“我國需要進一步加快布局計算醫學新型數字基礎設施，發揮算力、人工智能方法、大數據作為使能技術的帶動作用，充分釋放生物醫學大數據的價值，賦能我國醫療和制藥產業。”今年兩會，全國人大代表、步長制藥總裁趙超帶來了一份關于布局計算醫學新型數字基礎設施的建議。

“補短板、創未來”極佳時期

當前，全球生物醫藥領域正處于底層技術迅猛變革的轉型期。以基因治療、腫瘤免疫學等為代表的生物醫學技術和以人工智能、大數據為核心的信息技術形成了雙輪驅動力量。

計算醫學正是以信息科學與生物醫學交叉融合為基礎，深度挖掘生物醫學大數據獲得全新醫療價值。“它能夠提供全新藥靶，加速新藥研發，提升慢性病與疑難癥醫療水平，大幅減輕患者用藥負擔，全面提高醫保基金使用效率，同時為后工業革命時代產業發展以及社會進步提供全新發展方向。”趙超說。

據了解，目前基于人工智能的新藥研發平均1~2年就可以完成臨床前藥物研發，全世界利用該技術的在研藥物管線約200個。預計到2028年，人工智能為生物醫藥行業每年可節省約700億美元的研發成本。

從全球范圍來看，人工智能、大數據在生物醫藥的應用雖然還處于早期階段，但全球諸多知名制藥企業都紛紛與人工智能企業進行研發合作。“我國生物醫藥產業正處在由仿制向創新邁進的關鍵爬坡期，僅依靠傳統制藥技術難以實現產業超越，這就需要數據技術和制藥技術雙輪驅動。”趙超表示，這將為我們“補短板、創未來”贏得極佳的時間窗口。

跨領域認知不足

不過，當前我國生物醫藥產業智能化升級還存在諸多制約因素。

趙超表示，雖然生物醫學數據已經進入了PB級時代，但是從計算醫學角度看， 95%以上的現有數據只能滿足統計學意義的回顧性研究。數據碎片化、標準多樣化、數據庫建設低水平重復，個體數據不夠立體，共享機制不足等問題較為突出，數據難以有效融合處理。

比如，在藥物臨床試驗通常投入大、耗時長、失敗率高，而計算醫學可以發揮空間很大。但由于行業界限，臨床領域與計算醫學協同創新積極性不高，影響新藥研發的成功率和產業價值的提升。

另外，對人工智能、大數據的認知不足也是不可回避的問題。一項對全球超過300位藥物研發科學家的調查顯示，41%的被調研者并不了解人工智能技術。

“這就更談不上如何讓他們利用機器學習、知識圖譜等技術進行新藥開發。”趙超表示，這種認知不足會導致關鍵決策者對新技術產生主觀的不信任，進而導致不敢也不愿意對新的數字基礎設施做出投入決策。

頂層設計助“彎道超車”

基于此，趙超提出加快布局計算醫學新型數字基礎設施的政策建議。

他認為，應由科研力量國家隊牽頭，推動“計算醫學”新型數字基礎設施建設。依托在國內學科深度融合方面布局早，發展好的科研單位，比如中科院計算所、中科院基因組所、哈爾濱工業大學等單位牽頭建設計算醫學的共性技術平臺。

采訪中，記者了解到，國內一些單位通過計算醫學技術發現了當前主要應用于激素受體陽性Her2陰性乳腺癌患者群體的熱點藥物CDK4/6抑制劑的新臨床場景，如果通過臨床試驗取得成功，將會給藥企帶來百億美元利益。

趙超建議，應由國家相關部門對計算醫學的共性技術平臺的建設給與一定的政策資金支持，用于擴容數據中心等硬件基礎投入和學科交叉團隊的培養。通過集約化建設，避免重復投資、重復建設帶來的資金浪費與時間窗口流失的問題。

其實，早在2016年，美國食品藥品監督管理局血液和腫瘤產品辦公室（OHOP）就與美國衛生和人類服務部在腫瘤學領域啟動了一項跨學科創新計劃——信息交換和數據轉換計劃（簡稱“INFORMED”計劃）。該計劃旨在利用大數據和高級分析技術的力量來服務于精準藥物開發，包括探索新的研究終點，藥物靶標和患者分組策略等。

趙超還建議，由國家藥監局與國家衛健委、科技部聯合牽頭啟動計算醫學虛擬聯合實驗室，打破深度交叉的界別限制，組建跨學科的專家咨詢委員會，協助生物醫藥企業、醫療機構梳理可適合數據驅動的業務場景。

另外，上述實驗室還可以定期舉辦跨學科的交流溝通會，增強兩大學科領域的相互理解。通過該機制引導相關企業、機構克服對新一代信息技術認知不足的瓶頸，打破應用障礙，向大縱深推進到藥企，助力醫藥研發做出精準、客觀的投入決策。

此外，完善生物醫學大數據的數據標準，推動有條件開放共享，保障數據要素質量，促進數據要素規范化流通也是必經之路。

“以先進的計算技術補上生物醫藥領域的短板，利用計算醫學新基建布局未來，相信我國生物醫藥產業一定會實現‘彎道超車’。”趙超說。

來源：中國科學報  作者：張思瑋