人工智能已不再仅仅是药物研发的辅助工具。本文展示了它如何帮助构建更快、更智能、更个性化的癌症疗法，同时也揭示了仍存在的科学和监管障碍。
在《BJC Reports》期刊近期发表的一篇观点文章中，一组作者探讨了人工智能(AI)如何重塑药物发现及其向精准肿瘤学的转化。
背景
如果救命的癌症药物能在几个月内而非几十年内被发现会怎样？通常，药物研发需要超过十年时间且成本高昂，使得患者难以及时获得新药。然而，人工智能(AI)的最新进展可能有助于加速有前景的候选药物的识别，改善患者分层，并提供更准确的预测信息，表明某些患者对治疗的反应如何。数据偏差、监管不确定性以及临床验证不足限制了AI的应用。为了最大化其潜力，需要更多研究来确保AI驱动疗法的安全、公平和具有临床意义的实施。
向AI驱动的药物研发转变
传统的药物发现一直依赖于冗长的实验过程，通常伴随着高失败率和不断上升的成本。因此，在肿瘤学领域，多种挑战源于肿瘤异质性、治疗耐药性、克隆进化以及生理上复杂的疾病生物学。利用AI应对这些挑战，通过计算建模、预测分析和自动化化合物设计，为研究人员带来了新的机遇。
这一转变的一个重要里程碑是AI生成的小分子已进入临床试验阶段。例如，一种使用生成式AI设计的肿瘤坏死因子受体相关因子2和NCK相互作用激酶(TNIK)抑制剂，在人体研究中展示了安全性、耐受性以及靶点参与的药效学证据。重要的是，该试验是在特发性肺纤维化而非癌症中进行的，但它提供了一个早期转化参考点，其方法学与肿瘤学相关。
AI赋能的治疗实例
AI现已应用于早期临床治疗。例如，由生成式AI衍生的化合物INS018_055目前正在针对纤维化疾病治疗的II期临床研究中。一种免疫肿瘤学药物(EXS21546)已通过AI增强，以对抗肿瘤微环境中的免疫抑制。最后，通过基于计算机算法的分析，化合物巴瑞替尼(baricitinib)最初是为治疗类风湿关节炎而开发的，但后来被重新用于治疗2019冠状病毒病(COVID-19)。
这些案例展示了主要优势，包括通过自动化靶点识别和化合物优化加速早期药物发现，通过在实验室测试前预测毒性和脱靶效应来降低失败率，最后，通过选择合适的患者和使用生物标志物来提高临床试验成功率。
AI成功的背后技术驱动力
药物发现中的AI已从几项技术进步中受益。例如，预测蛋白质结构的新技术，包括模拟复杂生物分子相互作用的技术，提供了对药物如何与其靶点相互作用的更详细理解。这使科学家能够创建更有效和精确的药物。
通过自监督学习(SSL)，AI可以从大量未标记的数据集中发现有用的模式。这在肿瘤学中特别有价值，因为大量的基因组学和多组学数据可用，但通常缺乏注释。SSL能够识别新的药物靶点和疾病机制。
联邦学习使机构能够在不共享敏感患者数据的情况下进行合作。它有助于在保护隐私的同时提高模型的泛化能力，这对于开发在不同人群中有效的疗法非常重要。
减轻实验负担和伦理问题
AI有潜力减少对传统实验室和动物实验的依赖。计算工具可以模拟候选药物可能表现出的关键方面，预测身体如何代谢药物，并通过吸收、分布、代谢、排泄和毒性(ADMET)建模评估毒性。
使用"数字孪生"在虚拟患者中测试药物，可以模拟个体对正在开发的疗法可能产生的反应。这有助于优化个性化治疗策略，并可能减少不必要的早期实验，尽管这些方法仍需要实证验证。
临床转化中的挑战
AI驱动的药物发现中的一个主要问题是泛化能力，因为AI是在特定数据上训练的，可能在不同患者之间表现不佳。为了让AI生成的疗法获得监管批准和临床认可，其决策必须清晰且具有生物学合理性。临床医生和监管机构需要了解这些系统如何得出结论。
另一个挑战是，有偏见的AI训练数据可能导致不公平的医疗结果，并增加患者之间的差异。确保数据的多样性并纳入偏差缓解策略是实现公平医疗的重要步骤。
监管碎片化也是一个巨大的挑战，因为不同国家对验证AI模型的标准各不相同。需要更协调的标准来验证、可重复性、数据互操作性和监测，以加快审批过程。
AI与精准肿瘤学的未来
AI通过整合多组学数据，包括基因组学、转录组学、蛋白质组学和代谢组学信息，处于推动精准肿瘤学的独特位置。这种整合允许更准确的疾病分类和个性化治疗策略。
AI还可能帮助解释实时临床数据，包括循环肿瘤DNA(ctDNA)，用于追踪疾病进展和早期检测耐药性；因此，它可以通过根据更新的数据持续调整患者的治疗方案，支持适应性治疗策略。
AI开发还受益于联邦验证和适应性临床试验设计，通过从现有数据中持续学习并优化治疗策略以满足实际患者需求，实现可扩展的基于AI的方法。
结论
这一观点文章表明，AI驱动的药物发现已从理论潜力转变为早期临床现实，有安全性、靶点参与和初步疗效的证据。然而，这些进展代表了初步可行性而非确定性验证。持续的临床影响将需要整合计算建模与实验和临床验证的混合框架。
解决AI可靠性、公平性和监管治理方面的限制将是至关重要的，如果这些方法要帮助加速、改善和个性化癌症治疗，从而在未来改善患者护理。
期刊参考文献：
Yoo, W. (2026). 人工智能时代的精准肿瘤学：从AI驱动的药物发现和临床转化中吸取的经验。《BJC Reports》. 4. DOI: 10.1038/s44276-026-00221-1
【全文结束】
