布里斯托尔-迈尔斯斯奎布公司（BMS）表示，它正在应用人工智能（AI）和机器学习，结合其研究人员在药物靶点和作用机制方面的专业知识，以比以往更有效的方式概念化、创建和评估其庞大管线中最具有前景的分子。该公司将这种方法总结为“预测优先”。
虽然通常会听到药物开发商正处于将人工智能与其药物研究、发现和开发工作整合的早期阶段，但最近一位BMS高管提出了一个更具描述性和同样准确的比喻，追溯到大约45年前。
格雷格·梅耶斯（Greg Meyers），BMS执行副总裁兼首席数字和技术官
“人工智能和机器学习的状态类似于1980年的个人电脑，”BMS执行副总裁兼首席数字和技术官格雷格·梅耶斯（Greg Meyers）最近在该公司的技术网页上表示。“技术和数字能力将改变我们的工作方式，从我们如何开发药物，到如何改善患者体验，再到如何运营我们的核心业务。”
BMS表示，它正在应用AI和机器学习，结合其研究人员在药物靶点和作用机制方面的专业知识，以比以往更有效的方式概念化、创建和评估其庞大管线（50个化合物，40多个疾病领域）中最具有前景的分子，通过一种称为“预测优先”的方法。
该公司对AI的兴趣可以追溯到新冠疫情之前。2019年，BMS与专注于肿瘤学数据的Concert HealthAI（现为ConcertAI）合作，应用AI和机器学习来加速临床试验，实现强大的协议设计，并生成精准治疗和改善患者结果的见解。
同年，BMS以740亿美元收购了Celgene，并在此过程中继承了与AI药物开发先驱Exscientia的小分子肿瘤学合作。BMS和Exscientia将合作关系扩展到一项潜在超过13亿美元的联盟，用于开发不仅包括癌症药物，还包括免疫学和炎症（I&I）治疗药物，由一种潜在的同类首创选择性蛋白激酶C（PKC）theta抑制剂领导，目前正在进行免疫学适应症的I期研究。该药物现在由Recursion开发，后者于11月与Exscientia合并。
此外，在2024年，BMS与VantAI合作，应用其生成式AI平台设计分子胶作为小分子治疗药物。BMS同意向VantAI支付高达6.74亿美元的里程碑付款，以及分级版税。BMS还拥有扩大到其他治疗项目的选项。
罗伯特·普伦格（Robert Plenge），医学博士，哲学博士，BMS执行副总裁、首席研究官兼研究负责人
“人工智能和机器学习工具并没有改变我们在布里斯托尔-迈尔斯斯奎布公司所做的工作，即发现、开发并向患者提供变革性药物，但它们改变了我们做事的方式，”执行副总裁、首席研究官兼研究负责人罗伯特·普伦格（Robert Plenge）博士表示。“这些技术使我们的科学家能够更深入地理解人类生物学，并更有效地利用大量数据。迄今为止，在预测分子发明方面取得的进步已经非常巨大，为我们研究策略的关键方面提供了信息，因为我们希望提高研究计划的质量和速度。”
《GEN Edge》最近与普伦格和梅耶斯讨论了BMS的AI方法及其成功应用。（此采访已为篇幅和清晰度进行了轻微编辑。）
GEN Edge: BMS的研究方法是什么？BMS的研究组织是什么样的？
罗伯特·普伦格，医学博士，哲学博士: 我们喜欢列出这五个原则，因为这指导了我们所做的一切，不仅是在研究中，也在研究和开发中，以及我们如何优先考虑内部和外部的机会。我们从这五个原则开始。在某种程度上，你可以将其视为从研究的最早阶段到商业化的线性进展，但这些原则也可以应用于任何项目在开发的任何阶段。
第一个原则是如何思考目标，我们深入思考人类证据和对目标的人类支持，我们称之为因果人类生物学。我们经常使用遗传学来找到非常好的目标，但我们也可以考虑纵向分析、临床药理学和其他因素。
第二个原则是如何将治疗模式与分子作用机制相匹配。这是一个有点拗口的说法，所以我们简称为“匹配模式与机制”。这基本上是指如何创造一个分子，使其再现你认为会对人体生理产生期望效果的人类生物学？它是小分子吗？是大分子吗？是核酸吗？是活细胞疗法吗？还是某种能激活免疫系统的物质？
第三个原则，这实际上是从研究过渡到开发的过程，即如何将这些临床前的想法转化为在人类身上工作的样子，正如你所预测的那样。我们称之为“临床概念验证路径”。这实际上是临床开发中的一个时刻，你会说，哦，天哪，我们有一种我们认为会对患者产生影响的药物，因为你真的看到这种分子是如何起作用的。
一旦你开始看到临床概念验证，那么第四个原则就是加快全面开发，加快临床开发，因为你希望尽快将这种药物推向尽可能多的适应症，以便尽快将这种药物带给尽可能多的患者。
最后，第五个原则是如何最大化市场准入，并展示这种药物确实与其他任何药物不同，因为它将为最需要的患者提供最大的益处。
这就是这五个原则。我们在研究中应用它们，我们在治疗领域应用它们，我们在任何个别资产的背景下应用它们。无论它们处于R&D组织的哪个阶段，我们都可以应用这些原则。
GEN Edge: AI如何帮助BMS实现这些研究支柱？
格雷格·梅耶斯: 罗伯特描述的很多内容都解释了生物学的复杂性。如果你想想物理学和化学，我们有很好的物理模型。这也是为什么我可以以12度的角度以一定的速度发射一个物体，从而知道它会落在哪里的原因。
生物学不是这样运作的。如果你想想血液生物标志物，你的血液中有数千种分子漂浮着。而其中只有大约5%得到了深入研究，有良好的结构生物学背景，或者甚至是被很好理解的。所以，这种情况下的95%的生物学实际上是没有很好表征的。AI的作用在于，当你开始思考所有化学和生物学的排列组合，并试图在进入湿实验室之前进行模拟时。想象一下，它们就像一个干实验室。它允许你更快地迭代。
一些例子：一个是，我们看看从决定追求一个先导化合物到进行毒性研究所需的时间。
通过结合AI和技术并进行许多这些干实验室模拟，我们已经能够将这一时间减少约25%。因此，这是其中一个例子。在研发中，我们有望通过数据、数字化和AI的应用，将平均临床试验时间缩短近三年。因此，它实际上在我们的时间管理中非常普遍。
GEN Edge: 通过这些节省，从决定追求一个先导化合物到进行毒性研究的时间是多少？将临床试验时间缩短三年后的时间是多少？
梅耶斯: 我们不公开这些信息。我们可以告诉你的是，我们在时间线上看到了有意义的变化。
GEN Edge: BMS有自己的内部ChatGPT和Gen AI工具。这些工具是如何为BMS的工作定制的？
梅耶斯: 这是一个好问题。事实上，我们已经有大约16,000名员工或活跃用户使用这个工具。我们在幕后使用的是OpenAI的API，这是通过Microsoft Azure获得的。但除此之外，我们还对这个工具进行了微调，以适应我们自己的文档。想象一下，如果你今天去问这个工具，比如埃菲尔铁塔有多高，它会默认使用基础模型来回答这个问题。
但如果你问一个关于我们产品的问题，比如未开封的纳武利尤单抗（Opdivo®）小瓶的理想储存温度是多少？实际上有一个训练过的文档会给你一个准确的答案，而不会产生幻觉。它会默认回到我们受保护的信息。这样做的目的是确保对公司有用且对担任重要角色的人有用的信息是准确的，而不是互联网上随机出现的信息。
最后，我们还在转向自助服务。所有IT帮助台知识库文档都已经训练到了模型中。因此，如果你问一个问题，比如，如何为下周入职的新员工获取一台新笔记本电脑和鼠标？它实际上会根据我们的政策和程序进行训练。它已经被定制为不仅考虑外部知识，还考虑对我们员工有用的内部知识。
GEN Edge: 它的范围有多广？这是否涵盖了药物？还是仅仅涵盖了药物发现或开发过程？是否包括运营？
梅耶斯: 我们通常关注处方信息，这些东西都是公开领域的，因为任何员工都可以访问。我们不会涉及临床试验结果；有很多非常机密的东西。这将是一些常见问题，比如我是否可以切开一片德克拉维西替尼（Sotyktu®）片剂，或者我是否可以碾碎它？[根据处方信息，答案是不可以。] 所有这些信息都是公开的，所以我们真的只关注这些公开信息。我们只是确保这些信息经过高度策划。
GEN Edge: 那么这将是处方信息？
梅耶斯: 没错。
GEN Edge: BMS已经强调了几个AI的应用。您是否看到其他领域的机会，这将导致这些领域的进一步扩展？
梅耶斯: 有很多领域都将从中受益。我认为随着代理AI的上线，预计很快就会发生，普通员工的生产力将继续提高。
我认为在研究领域我们会继续看到更多的应用，因此对于我们所有的小分子，我们不会再在实验室中进行实验，除非预测模型建议这样做。今天我们大约有50%的生物制剂，预计随着我们更多的生物制剂项目上线，这一比例将继续增加。
平均临床试验需要大约400份文件。我们现在可能有十几份或几十份完全自动化了，所以在帮助文档生成方面还有很多工作要做。AI可以在很多地方发挥作用，我认为我们仍然处于互联网拨号时代的AI。未来还有很多令人兴奋的事情。
普伦格: 我们确实做了的一件事是，那些我提到的五个原则，我们写了一篇关于如何使用AI的外部博客，特别针对前三个原则。然后还有一个关于如何传播和民主化信息的第四条原则。
梅耶斯: 我想说的是，几乎可以沿着公司的每一个职能去走一遍：如何处理应付账款，如何处理应收账款，以及我们如何编辑和审查法律合同。你几乎可以遍历公司的每一个职能。
普伦格: 财务建模。
梅耶斯: 预测，你会发现一些机会，我们正在探索，已经探索过，或者已经投入生产的，围绕AI的一些事情。它非常普遍。
GEN Edge: BMS表示，随着公司完善AI工具，它力求最大限度地造福员工和患者。公司如何平衡这些关切与利用AI潜力的愿望，这可能包括影响就业的效率？
梅耶斯: 我们的基本假设是，大多数员工——当然，我个人的经验是我花了很多时间做我不愿意做的事情。如果我能有一个AI副驾或一个工具，可以帮助我在公司内部更容易地找到信息，让我能够快速浏览——也许你在罗伯特的组织里，你想弄清楚我们有关CD29的所有文档在哪里。你必须找到所有SharePoint目录，阅读所有文档，找出摘要。我宁愿让一个AI代理来做这件事。
所以我认为我们的基本假设是这些工具真的在这里帮助员工提高生产力。我们希望发生的是，他们会把这些生产力的提升重新投资于能够更快地为更多患者带来更多的药物。这是我们目前的重点。
GEN Edge: BMS如何看待自己在生物制药领域的挑战，作为一个大型制药公司，尤其是在有一些生物技术公司把自己定位为全AI药物发现者，并在其整个管道中强调AI使用的时候？
普伦格: 我认为外面的世界很大。我认为对于像BMS这样的大公司，以及一些高度专业化的较小公司，无论是高度专业化于某个治疗领域、某种模式，还是计算工具如AI，都有很大的空间。
我认为这真的是关于更广泛的生态系统，以及我们如何共同努力。要成功地将药物带给患者，需要许多步骤。我概述了五个原则，但在每个原则下，都有许多许多步骤。
正如格雷格很好地指出的那样，我们实际上可以使用这些计算方法，包括AI和ML，使每个步骤更快、更高效，最终实现我们的最终目标，即更快地将更多药物带给更多患者。我不认为这是一个或另一个的问题。这实际上是一个混合体。
梅耶斯: 你会看到我们与insitro合作；我们在2024年12月取得了巨大的成功[$2500万美元的里程碑付款]。我们与VantAI合作。我们与许多“TechBio”公司保持着良好的关系。现实是，没有一家公司能够做到一切。我认为我们将此视为一个合作生态系统，我们非常乐意参与其中。
GEN Edge: AI在BMS已经阐明的三个平台领域中扮演什么角色：靶向蛋白质降解、细胞治疗和放射性药物治疗（RPTs）？
普伦格: 对于靶向蛋白质降解，我们使用AI来扩展我们的化学库。你可以想象，你可能从一个特定大小的化学库开始。如果你想扩展这个库，以前的方法是化学家会查看结构并做出他们最好的猜测，确定下一步要制作哪些分子。你会制作这些分子，测试它们。这是一种很好的扩展库的方法。
但随着AI的进步，我们可以用机器进行预测，从而以更有逻辑的方式扩展化学空间并制造更多结构。
当我们这样做时，我们对这些分子进行剖析，发现AI扩展库的成功率高于仅用传统方法扩展的库。这是与靶向蛋白质降解相关的第一个例子。
第二个例子，格雷格也提到了这一点，对于靶向蛋白质降解，这对于许多分子来说都是如此，无论是靶向蛋白质降解剂还是其他一些小分子或大分子。
我们可以使用AI来优化分子，这实际上是发现的后期阶段，你需要确保一个分子具备进入人体所需的所有特性。我们已经为靶向蛋白质降解剂做到了这一点，以帮助优化并确保所有特性正确无误。
我再举一个例子：对于细胞治疗，我们考虑如何找到那些结合物。我认为另一种我们使用AI的独特方式是帮助制造过程，确保我们采取正确的步骤，使细胞在人体外培养和生长时具有正确的特征和特性，这样当我们将其回输给患者时，它们是最好的产品，既从安全性的角度来看，也从疗效的角度来看。AI帮助我们优化了细胞治疗的制造过程。
梅耶斯: 只是举一个快速的例子。我们已经开始看到第一代AI协同设计的分子进入了我们的管线。今年我们推广了一种用于镰状细胞病的药物进入II期临床试验，AI帮助我们设计了该药物的特性。
GEN Edge: 这种药物是什么？
梅耶斯: 它是一种胎儿血红蛋白（HbF）诱导剂。对于镰状细胞病，你有异常细胞或成人血红蛋白分子，它们是弯曲的。但如果你能激活胎儿血红蛋白HBF，它实际上可以替代并功能性纠正。我们有一种分子正处于I期临床开发阶段，它是一种HBF诱导剂，该分子的许多特性都是通过AI优化的。再次强调，它帮助我们更快地将最佳分子带给患者。
GEN Edge: 除了HBF诱导剂之外，BMS的管线中有多少候选药物是AI生成的？
普伦格: 100%从小分子研究到开发的药物都经过了AI优化。目前，对于大分子来说，这个比例接近50%。AI基本上在我们所做的很多事情中都有所涉及。
(全文结束)
声明：本文仅代表作者观点，不代表本站立场，全文内容涉及AI跨语种自动翻译。如有侵权请联系我们删除。