《AI新藥》輝瑞善用人工智慧 加速藥物發現與開發
輝瑞 (Pfizer) 的機器學習與運算科學副總裁 Enoch Huang 曾表示，「人工智慧」已是輝瑞藥物開發工作的關鍵組成部分。輝瑞不僅與多家人工智慧公司建立了合作夥伴關係，包括 Truveta、Gero、CytoReason、Tempus 和 Iktos 等，還與 Vysioneer 簽訂了數據共享協議，以利用人工智慧增強腫瘤學臨床試驗；該公司也透過輝瑞創新研究 (PfIRe) 實驗室使用人工智慧來增進對患者群體和分流的了解。
不僅如此，輝瑞也創建了一個機器學習研究中心，致力於創建新的預測模型和工具，例如，用於預測抗體黏度 (viscosity) 的三維卷積神經網路架構「PfAbNet-viscosity」。
黏度是單株抗體開發中的重要考慮因素，一般而言為了保持必要的功效並避免頻繁給藥，治療性單株抗體通常都會配製成高濃度，在小於 1 ml 的體積中含有高於 100 mg 活性成分的皮下注射輸製劑。在如此高的濃度下，抗體容易表現出高黏度，並可能帶來重大的製造和給藥挑戰。儘管可以使用更高通量的數據收集替代方案，但黏度的流變測量 (rheometric measurement) 還是首選實驗技術，只不過，黏度流變測量需要大量 (> 100 mg) 的純化蛋白質，要在早期篩選階段大量表現各種候選抗體，實在有些不切實際，因此通常只針對開發後期階段、最有希望的分子進行量測。不僅如此，若要優化抗體黏度，就會需要多個生產和篩選週期，大大減緩了開發過程。
在此情況下，人工智慧與機器學習 (AI/ML) 將會是一個很好的工具，然而由於缺乏訓練資料，以往的人工智慧方法無法準確預測抗體黏度。為克服此限制，輝瑞的科學家提出了深度學習架構「PfAbNet-viscosity」，可預測高濃度溶液中測試抗體的黏度，以利在早期階段篩選單株抗體候選者。相關成果已在 2023 年 2 月發表於《Scientific Reports》期刊中。運用該平台，輝瑞已可大幅縮短產品組合中重要專案的發現時間。
延伸閱讀：《醫療AI》 mRNA 技術與 TCR 平臺相結合!! 莫德納與 Immatics 簽訂價值 18 億美元協議，TCR 雙特異性候選藥物、細胞療法和癌症疫苗列開發項目
延伸閱讀：《醫療AI》人工智慧夯！製藥巨頭在半年財報中已將AI應用列為「重中之重」
資料來源：BioSpace、Scientific Reports (doi: 10.1038/s41598-023-28841-4)、Drug Discovery & Development
