该论文的补充材料详细介绍了作者的分析中包括了哪些化合物。他们首先列出了以人工智能为重点的公司(114家!),然后将其与为他们报告的临床项目(其中39家)相匹配。该列表在 SI 文件中,您肯定听说过其中一些公司,但您肯定没有听说过其他一些公司。这些临床资产分为五类:具有人工智能发现靶点的项目(I)、通过人工智能技术发现或优化的小分子(II)、类似发现或优化的生物制剂(III)、类似发现或重新利用的疫苗(IV)或通过人工智能技术重新利用的药物(V)。
在他们的分析中,第一个进入临床试验的化合物是在2015年--我不确定那是什么,但如果我在图1b中正确地解释他们的配色方案,它是“人工智能重新利用的”。这似乎有点......早。。。在这个领域称任何东西为人工智能,但整个公司名单都是基于他们所说的他们所做的事情以及他们说他们正在做什么,所以这是不可避免的。如果你看一下 2023 年的数据,作者有 24 个 AI 发现的靶点、22 个 AI 优化的小分子、4 种抗体、6 种疫苗和 10 种重新利用的化合物。那么我们如何看待这些数字呢?
我的第一反应是,24个人工智能发现的目标的想法真的很高。因此,我浏览了SI表,看看哪些正在进行的项目属于这一类,以及这些化合物和目标是什么。这是我发现的:
网页链接{BACK TO IN THE PIPELINE}
正在筹备中临床试验
13 五月 2024美国东部时间下午 2:37 作者:DEREK LOWE3分钟阅读 评论
共享:
脸书网页链接{在 X 上分享}链接到Reddit的微信Whatsapp的电子邮件
这是一篇新论文,其标题提出了一个如今很多人都在思考的问题:“人工智能发现的药物在临床试验中有多成功?我们(可以说)已经到了这个问题值得问的地步,而这个论点的第一部分是什么才算是人工智能发现的药物。
该论文的补充材料详细介绍了作者的分析中包括了哪些化合物。他们首先列出了以人工智能为重点的公司(114家!),然后将其与为他们报告的临床项目(其中39家)相匹配。该列表在 SI 文件中,您肯定听说过其中一些公司,但您肯定没有听说过其他一些公司。这些临床资产分为五类:具有人工智能发现靶点的项目(I)、通过人工智能技术发现或优化的小分子(II)、类似发现或优化的生物制剂(III)、类似发现或重新利用的疫苗(IV)或通过人工智能技术重新利用的药物(V)。
在他们的分析中,第一个进入临床试验的化合物是在2015年--我不确定那是什么,但如果我在图1b中正确地解释他们的配色方案,它是“人工智能重新利用的”。这似乎有点......早。。。在这个领域称任何东西为人工智能,但整个公司名单都是基于他们所说的他们所做的事情以及他们说他们正在做什么,所以这是不可避免的。如果你看一下 2023 年的数据,作者有 24 个 AI 发现的靶点、22 个 AI 优化的小分子、4 种抗体、6 种疫苗和 10 种重新利用的化合物。那么我们如何看待这些数字呢?
我的第一反应是,24个人工智能发现的目标的想法真的很高。因此,我浏览了SI表,看看哪些正在进行的项目属于这一类,以及这些化合物和目标是什么。这是我发现的:
ATH-63,一种“同类首创的口服小分子基因组调节剂”
BDTX-4933,靶向各种突变形式的BRAF
Bapotulimab,一种针对各种肿瘤类型的抗 ILDR2 抗体
INS018-055,一种小分子TNIK抑制剂
好的,这就是我从桌子上得到的。我已经链接到每个候选药物的相关网站,然后链接到有关所涉及靶点的相关网站。我唯一无法收集到足够信息来确定的是 ATH-63。你将看到的是,在几乎所有情况下,这些目标都已经与正在调查的疾病有关。在其中一些例子中,事实上,临床上已经有几种针对相同蛋白质的药物,甚至是已经上市的疗法,它们都通过相同的机制起作用(例如,艰难梭菌毒素B),我不认为这些都是坏靶点,让我说清楚。列表中有一些非常有趣的东西,但我看不出它们中的任何一个都可以归类为“人工智能发现的目标”。我真的不知道。
这影响了我对这篇论文的整个看法——这篇论文是由一家著名的咨询公司撰写的,你为什么问。这延伸到他们对成功率的分析,这是(通过标题)整个事情的明显焦点。他们说,在报告第一阶段的24种疗法中,有21种是成功的。第一阶段的行业标准成功率为所有适应症的66%,先导适应症的成功率为76%,因此,虽然这里基于人工智能的例子可能以更高的速度通过第一阶段,但样本量和完全差异都太小了,在我看来,无法做出这种说法。我还要补充一点,这些化合物中很少有(如果有的话)用于第一阶段优化,因为在大多数情况下,没有人知道任何人工智能技术可以专门做到这一点(据我所知)。
与此同时,十分之四的人在第二阶段取得了成功,就其价值而言(样本更小!)与非人工智能化合物完全相同。坦率地说,这就是我预计数字相同的地方,因为第二阶段的成功在于选择正确的目标,并且(如上所述)这些目标都已经是人们以老式方式感兴趣的目标,而不是因为人工智能从以太中挑选出来并说要去争取它们。为什么他们不应该像其他人一样以相同的速度失败呢?
因此,让我们随着事情的发展观察这些数字,然后回到这个话题。就目前而言,我不相信发布关于你的化合物的新闻稿,谈论它们通过人工智能技术的发现,足以期待他们取得更大的成就。我希望这是真的,但我还没有准备好说它是真的。