Insilico Medicine AI药物挺进IPF III期临床试验

Insilico Medicine宣布其由AI发现的特发性肺纤维化(IPF)药物进入III期人体试验,这是AI制药领域里程碑式的进展。该药物此前已完成安全评估,即将验证疗效。IPF是一种严重的肺部疾病,导致渐进性呼吸衰竭。此案例为计算药物发现行业提供了实证,推动AI药物从理论走向实际临床应用。

7月7日,AI制药领军企业Insilico Medicine宣布,其利用人工智能发现的针对特发性肺纤维化(IPF)的药物已正式进入III期人体临床试验阶段。这一进展标志着AI驱动的药物发现从早期安全评价迈入后期疗效验证的关键阶段,为整个计算药物发现领域树立了重要的实证案例。

疾病背景:IPF——不可逆的肺部“疤痕化”

特发性肺纤维化是一种进行性且致命的肺部疾病,特征为肺组织不明原因的持续瘢痕化(纤维化),导致肺泡壁增厚、弹性丧失,最终使患者呼吸功能不可逆地下降。患者常表现为干咳、活动后气促,确诊后中位生存期仅3-5年。目前临床对IPF的治疗选择极为有限,仅有两种获批药物(吡非尼酮和尼达尼布),它们只能延缓疾病进展,无法逆转纤维化,且伴有明显副作用。因此,医学界对新型治疗手段的需求极为迫切。

“IPF患者面对的不仅是身体的痛苦,更是对未来的绝望。AI加速的新药研发或许能为这些患者带来新的曙光。”——某呼吸医学领域专家

AI制药的效率突破:从靶点到临床

Insilico Medicine的核心竞争力在于其端到端AI药物发现平台Pharma.AI。该平台整合了靶点发现(PandaOmics)、分子生成(Chemistry42)和临床试验预测(InClinico)三大模块,能够从海量生物数据中快速筛选潜在靶点,并生成具有优良药代动力学性质的候选分子。

本次进入III期的药物(代号INS018_055)是Pharma.AI平台第一个完全由AI设计的抗纤维化分子,靶向TRAF2和NCK相互作用激酶(TNIK),该靶点此前并未被广泛认知为IPF的可干预节点。AI平台通过分析大量转录组和蛋白质组数据,识别出TNIK在纤维化发生通路中的关键调控作用。从靶点提出到候选分子进入I期临床试验仅用时约18个月,而传统药物研发这一过程通常需要4-6年。

此前完成的I期和II期临床试验分别验证了该药物的安全性与初步疗效信号。II期试验中,INS018_055在多项IPF相关生物标志物(如血清涎液化糖链抗原-6等)上表现出统计学显著改善,且耐受性良好。基于这些积极数据,公司决定加速推进III期试验。

III期试验的意义:AI制药的“成人礼”

III期临床试验是新药上市前的最后一道关卡,通常需要数千名患者参与,验证药物在真实世界中的有效性和安全性。若INS018_055在III期试验中获得成功,它将成为全球首个完全由AI发现并设计、且通过全流程临床验证的抗纤维化新药,这将为AI制药行业注入巨大信心。

然而,挑战同样存在。IPF患者的异质性高,纤维化进程受多种因素影响。此外,AI预测的靶点和分子在人体中的表现可能与预期存在偏差。历史上,不少具有良好II期数据的药物在III期折戟沉沙,因此Insilico Medicine必须谨慎设计试验方案,包括选择恰当的疗效终点(如肺功能指标FVC的下降速率、疾病进展时间等),并确保患者人群的代表性。

值得关注的是,Insilico Medicine并不是唯一一家推进AI药物进入后期阶段的公司。同期,Recursion Pharmaceuticals、BenevolentAI等公司也有管线进入II/III期。但INS018_055的靶点新颖性使其更具标志性——它证明AI不仅能加速已知靶点的药物开发,还能发现人类尚未认知的疾病生物学新通路。

“AI不是替代实验室的魔术师,而是放大人类认知和探索能力的工具。当我们允许机器学习‘盲点’时,答案往往就在那里。”——Insilico Medicine创始人兼CEO Alex Zhavoronkov

编者按

从2014年成立至今,Insilico Medicine始终站在AI制药的舆论风口浪尖。过去十年间,业界对AI制药的质疑从未停止:AI生成的分子真的能为人治病吗?那些“漂亮的计算机模拟”最终能转化为真实药片吗?INS018_055进入III期,无疑给了所有相信AI制药的人一支强心剂。

但我们也应清醒看到:即便III期成功,药物审批、商业化落地以及后续对大批量患者的长期监测都是巨大挑战。此外,IPF领域近年来竞争激烈,除了传统药企的布局,不少AI制药公司也瞄准了这一适应症。最终决胜的关键,还是临床数据质量和选择性优势。

无论如何,Insilico Medicine的这一步是AI制药从一个概念验证到实际产出的历史性跨越。我们期待III期试验的结果,也希望更多像我一样的科技写作者,能持续记录这场“AI与疾病”的持久战。

本文编译自AI News