人工智能在药物研发与监管领域的具体应用

吴 娟 严 妍 姜 波 焦月华

黑龙江中医药大学药物安全性评价中心 黑龙江 150040

【摘 要】人工智能是当前较为先进的智能技术，随着其技术的发展，已经在许多领域得到了具体应用。人工智能技术在制药领域的研究与应用，可以有效提升药物研发成功率，并对其产品生产工艺进行优化。此外，将人工智能技术与大数据技术的结合，还可以有效地从众多病患中提取实用信息，提高药物技术审评水平以及效率。

【关键词】人工智能；药物研发；监管

人工智能技术主要是基于计算机技术的一种分布式运算方式，其技术通过模拟人脑信息进行相应的处理与学习，可以用其技术来解决当前各领域中呈现出的问题。因此，针对人工智能在药物研发以及监管工作中的应用具有十分重要的意义。

1 人工智能在药物研发领域的具体应用

1.1 药物高通量筛选中的具体应用

通常情况下，一款药物研发需要10年左右时间。在此过程中，必须要不断对候选化合物进行筛选，其数量高达10万个之多。为了更有效的降低药物研发成本，可以利用人工智能技术构建一套现有化合物数据库，并将其所有相关信息进行整合，方便在开展药物研发过程中进行数据提取，能够及时地对相关化合物的毒性以及有效性信息进行收集。通过这样的方式，可以切实提升药物的筛选的成功率。特别基于神经网络自主学习前提下的人工智能技术在药物高通量筛选中的应用，能够进一步提高小分子化合物药物研发成功率。同时，还能够有效降低小分子化学药研发成本,让其药物研发成功率与生物药新药的研发成功率相接近。随着人工智能技术在药物高通量筛选中的具体应用，能够针对当前人类的诸多疾急用药进行研发。例如：艾滋病、肿瘤、糖尿病等。让这些疾病的用药研发，可以向着更全面治疗领域发展。为人类疾病提供更多的可选药物，解决了儿童用药、老年用药领域新药研发的困境。从而可以提高人们的社会福祉,减少药物成本以及医疗支出。

1.2 药物配方以及工艺变量优化中的应用

人工智能技术中的人工神经网络，可以更好地处理一些较为复杂的多元非线性关系。将其技术应用于药品研发中，能够解决药物研发过程多变量优化问题。尤其是药物配方以及工艺变量方面优化，起到了非常大的作用。因此，对于药物研发过程中所存在的复杂关系，如果采用传统数理方案进行建模优化，会让整个过程更加繁杂。特别对于药物配方定量方法设计，涉及到了理解因果因素与个体药物响应之间的关系，想要实现对其关系的理解非常困难。如果利用人工智能中的人工神经网络技术，能够有效地进行输入与输出数据的识别和学习，并构建一套精准的数据模型。在完成相对应的训练之后，利用人工智能技术，能够对新数据集的输出信息进行有效、精准的预测。比如：ANN是当前具备预测能力的一种有效技术，其所表现出的各种特征可以满足药物研发的制剂优化。

1.3 药物一致性评价中的应用

在药物临床试验过程中，需要收集多达上千人的试验数据，且其试验数据统计结果并不可靠。而且通常应用于药学领域的传统统计学方法，主要是以多元多次方程为主，想要达到有效的数据拟合能力非常有限，与神经网络算法相比其效果较差。因此，将人工智能算法融入到临床统计中，则能够更精准实效地收集与分析高成本所获取到的试验生物信息。同时，还能够高效地得到更加精准的统计结论。此外，还能够将人工智能应用到不同受试群体中，可以更好地获得较为详细的统计分析报告，进一步提升医药临床试验数据价值。

2 人工智能在药物监管中的应用

对于药物监管工作而言，同样可以应用人工智能技术。利用人工智能可以对药品批件初稿制作进行自动完成，并根据相关法律法规对其药物的品质以及使用标准开展初级校核。通过这样的方式，能够让审评流程专家可以将更多精力放在对药物关键技术的控制方面，进一步提升了药物审评效率，缓解当前药物审评技术人才短缺的问题。此外，在人工智能的协助下，可以让更多审评机构将监管精力集中精力放在提高审评工作人员专业技能方面，让其能够真正从较为繁杂工作中解脱出现，为我国药物审评培养出更多专业技能强、综合素质高的专家队伍。

人工智能中的神经网络技术，可以应用于审评专家库筛选及更新系统中，能够根据具体领域的药物监管提供合理选择，促进审评专家库与前沿审评技术相匹配。利用此技术，还能够自动化从海量文献作者中筛选出相关领域的审评专家，并将其补充到药物审评专家数据信息库中。比如：可以在针对某个种类药物进行审评过程中，利用大数据技术从相关专家中进行信息筛选，并通过所制定的回避机制，防止出现邀请与其产品利益相关的专家进行审评。

3 结语

总之，在药品领域应用人工智能，在当前还处于摸索阶段。相信随着人工智能的不断发展，可以更加深入地将人工智能神经网络技术与制药技术形成有机融合，进一步提升药物研发成功率，从供给侧提高药物的高效性。同时，在人工智能协助下，能够高效地对药物开展审评与监管，促进药物研发企业的可持续发展。

参考文献：

[1] 张志宏,王悦,吴文芳,等.利用专家系统和人工神经网络开发格列吡嗪推拉式渗透泵控释片[J].药学学报, 2012,47(12):1687-1695.

[7] 徐从娟,陈维良,秦红勇.BP神经网络预测药物经皮渗透系数[J].科技信息,2010,(25):457-458.

基金项目：黑龙江中医药大学科研基金项目（ 201513）