人工智能和机器学习解决方案将如何加速细胞和基因治疗领域创新

　　引言：“大鹏一日同风起，扶摇直上九万里。”

细胞和基因治疗（CGT）领域在过去几年中取得了显著进步，其管线和批准产品的数量急剧增加。然而CGT市场仍然面临许多挑战，这些挑战阻碍了其增长并延迟了这些疗法的广泛应用，主要包括了对疾病的了解有限、疗法的复杂性以及制造工艺的放大和优化方面的限制。在数字技术和计算能力的进步的推动下，我们开始见证了人工智能（AI）和机器学习（ML）解决方案被应用于CGT领域。行业内希望通过分析和从大量数据中获得见解来克服这些挑战。尽管AI/ML在CGT领域仍处于起步阶段，但预计该技术将改变CGT的生态系统和价值链。

AI解决方案可以在整个CGT价值链中找到应用，从早期研发到商业化。本文将探讨AI和ML解决方案如何加速CGT领域的创新，同时应对不同阶段的挑战，并展示行业内一些有趣的案例：

加速早期研发

AI和ML可以通过有效处理高通量、异构和复杂的分子数据，提取生物网络中的特征或关系，从而促进药物靶点的发现。例如，阿斯利康通过与AI药物研发公司BenevolentAI合作，确定了IPF的新靶点。使用 BenevolentAI 的NLP工具，阿斯利康已将公开可用的疾病特异性数据以及来自非结构化和结构化数据集混合的专有数据集成到 BenevolentAI 知识图谱中。

另一个是优化基因疗法的递送方法。如今，大多数基因疗法都是通过病毒载体递送的。虽然病毒载体是一种有效的基因递送手段，但很容易成为宿主免疫系统的目标，导致患者产生免疫反应，从而使治疗效果降低。据报道，由于先前对病毒衣壳存在免疫力，目前近50% 的患者被排除在基因治疗之外。Dyno Therapeutics与 Google Research、哈佛 Wyss生物技术开发研究所、哈佛医学院实验室合作，应用深度学习开发了一个AI平台，该平台能够设计具有最佳免疫逃避特性的AAV2变体。AI平台产生的近60%的变体被确定为是可行的，与使用传统诱变方法产生的不到1%相比，这一比例显著增加了。除了免疫逃避外，该AI平台还声称能够设计具有最佳靶向能力、有效载荷大小和可制造性的病毒衣壳。Dyno Therapeutics 目前正在与 Novartis、Sarepta Therapeutics 和 Roche及其子公司 Spark Therapeutics等主要基因治疗参与者合作，以帮助提供新一代更有效、更灵活的 AAV载体。

加速和促进临床试验

大多数CGT疗法往往针对罕见疾病，而这些疾病的患者招募可能极具挑战性。此外，这些疾病中的大多数通常危及生命或限制生命，在临床试验中使用安慰剂对照组通常被认为是不道德的。AI可用于确定适合临床试验的患者队列。例如，NLP可以分析来自医疗记录或患者健康记录的非结构化数据，以识别具有符合临床试验纳入标准的特定症状、生物标志物和/或诊断的患者。在这种情况下，可以通过提醒医疗专业人员和患者有关试验机会的信息，以及以患者易于理解的方式简化进入标准来加快招募过程。

此外，通过使用外部患者水平数据的统计方法生成的外部对照，称为合成对照组（SCA），SCA主要根据真实世界数据和以前的临床试验数据创建。虽然仍处于早期阶段，但可以利用 NLP和 ML来分析结构化和非结构化临床数据以创建SCA，为CGT制造商提供了减少临床试验成本和时间的机会，以及克服此类道德挑战。

制造和放大的优化

由于CGT产品通常来源于活细胞，因此在制造过程中容易发生变化，与传统小分子药相比，保持批间一致性是一个较大的挑战。CGT中批间差异参数包括细胞计数、病毒滴度以及完整载体与空载体的数量等等。确定最佳制造条件以生产出具有一致性的高质量产品需要广泛的优化流程和数据分析。数据驱动的预测模型（例如数字孪生）可以根据不同条件（例如混合模式、气体交换和培养基成分）模拟全尺寸生物反应器中的细胞和病毒行为，然后可以通过 AI 模型快速分析以进行实时优化。

食品行业已经探索了将数字孪生应用于制造生物体衍生产品的过程。例如，皇家帝斯曼在荷兰开设了一个AI实验室，以优化藻类、真菌和细菌等微生物的培养过程，以生产维生素和脂质等营养分子。这个概念有可能转移到CGT制造过程中，以提高效率和一致性。Antleron使用Ansys的仿真解决方案和数字孪生，设计并开发了用于细胞生长的定制生物反应器，并在过程中对细胞生长进行实时监测。

运营和供应链优化

实施稳健、高效且可重复的治疗药物生产平台对于实现商业规模至关重要。生成式AI等技术可以通过分析与工艺参数、设备设置和产品质量相关的大量数据来识别制造中的低效率并优化流程和工作流程。

即使制造过程得到充分优化，治疗产品的生产也可能因供应链的限制而停止。CGT供应链面临许多物流问题，例如原材料的质量和可靠性、对CGT产品的需求不稳定、冷供应链需求和高成本。人工智能可用于分析与需求、库存水平和物流相关的数据，以及根据需求优化库存水平，跟踪产品移动，并寻找减少运输时间和缩短交货时间的机会。此外，人工智能解决方案还可以通过分析与运输时间表、交通负荷、天气等相关的数据来预测供应链中断，使制造商能够计划应急措施以最大限度地减少中断。

支持法规遵从性

管理和满足法规合规性要求通常是手动工作，需要分析和管理大量数据和文档。因此，此过程容易出错且耗时，需要大量人员。AI和机器学习正在成为突破性技术，以促进和半自动化这一过程。例如，AI 可以加快新疗法的监管提交和上市时间。通过分析大量监管提交，AI 可以从模板自动生成监管文件或从临床试验中提取数据，从而允许手动工作专注于更复杂的任务，从而加快监管提交速度。基于公司存储的大量监管相关数据，AI还可以预测监管机构可能会提出的查询，从而使公司能够提前为这些潜在请求做好准备，从而最大限度地减少公司与监管机构之间的来回沟通。

结论：“九万里风鹏正举”。

AI具有巨大的潜力，可以通过导航和分析大型复杂数据，自动化和加速手动和容易出错的流程和工作流程，并允许在虚拟环境中同时试验各种选项和条件，来解决整个CGT价值链中的挑战。特别是对于小型CGT开发者来说，拥有AI能力来降低研发的成本和时间框架将吸引必要的投资来开发和为患者带来新兴疗法。在CGT领域运营的利益相关者必须考虑 AI 可能为其业务带来的优势和机会，并开始制定实施策略，因为采用AI不仅仅是从供应商那边购买工具，还需要对组织结构和运营进行全面变革。