人工智能和機器學習解決方案將如何加速細胞和基因治療領域創新

　　引言：“大鵬一日同風起，扶搖直上九萬里。”

細胞和基因治療（CGT）領域在過去幾年中取得了顯著進步，其管線和批準產品的數量急劇增加。然而CGT市場仍然面臨許多挑戰，這些挑戰阻礙了其增長并延遲了這些療法的廣泛應用，主要包括了對疾病的了解有限、療法的復雜性以及制造工藝的放大和優化方面的限制。在數字技術和計算能力的進步的推動下，我們開始見證了人工智能（AI）和機器學習（ML）解決方案被應用于CGT領域。行業內希望通過分析和從大量數據中獲得見解來克服這些挑戰。盡管AI/ML在CGT領域仍處于起步階段，但預計該技術將改變CGT的生態系統和價值鏈。

AI解決方案可以在整個CGT價值鏈中找到應用，從早期研發到商業化。本文將探討AI和ML解決方案如何加速CGT領域的創新，同時應對不同階段的挑戰，并展示行業內一些有趣的案例：

加速早期研發

AI和ML可以通過有效處理高通量、異構和復雜的分子數據，提取生物網絡中的特征或關系，從而促進藥物靶點的發現。例如，阿斯利康通過與AI藥物研發公司BenevolentAI合作，確定了IPF的新靶點。使用 BenevolentAI 的NLP工具，阿斯利康已將公開可用的疾病特異性數據以及來自非結構化和結構化數據集混合的專有數據集成到 BenevolentAI 知識圖譜中。

另一個是優化基因療法的遞送方法。如今，大多數基因療法都是通過病毒載體遞送的。雖然病毒載體是一種有效的基因遞送手段，但很容易成為宿主免疫系統的目標，導致患者產生免疫反應，從而使治療效果降低。據報道，由于先前對病毒衣殼存在免疫力，目前近50% 的患者被排除在基因治療之外。Dyno Therapeutics與 Google Research、哈佛 Wyss生物技術開發研究所、哈佛醫學院實驗室合作，應用深度學習開發了一個AI平臺，該平臺能夠設計具有最佳免疫逃避特性的AAV2變體。AI平臺產生的近60%的變體被確定為是可行的，與使用傳統誘變方法產生的不到1%相比，這一比例顯著增加了。除了免疫逃避外，該AI平臺還聲稱能夠設計具有最佳靶向能力、有效載荷大小和可制造性的病毒衣殼。Dyno Therapeutics 目前正在與 Novartis、Sarepta Therapeutics 和 Roche及其子公司 Spark Therapeutics等主要基因治療參與者合作，以幫助提供新一代更有效、更靈活的 AAV載體。

加速和促進臨床試驗

大多數CGT療法往往針對罕見疾病，而這些疾病的患者招募可能極具挑戰性。此外，這些疾病中的大多數通常危及生命或限制生命，在臨床試驗中使用安慰劑對照組通常被認為是不道德的。AI可用于確定適合臨床試驗的患者隊列。例如，NLP可以分析來自醫療記錄或患者健康記錄的非結構化數據，以識別具有符合臨床試驗納入標準的特定癥狀、生物標志物和/或診斷的患者。在這種情況下，可以通過提醒醫療專業人員和患者有關試驗機會的信息，以及以患者易于理解的方式簡化進入標準來加快招募過程。

此外，通過使用外部患者水平數據的統計方法生成的外部對照，稱為合成對照組（SCA），SCA主要根據真實世界數據和以前的臨床試驗數據創建。雖然仍處于早期階段，但可以利用 NLP和 ML來分析結構化和非結構化臨床數據以創建SCA，為CGT制造商提供了減少臨床試驗成本和時間的機會，以及克服此類道德挑戰。

制造和放大的優化

由于CGT產品通常來源于活細胞，因此在制造過程中容易發生變化，與傳統小分子藥相比，保持批間一致性是一個較大的挑戰。CGT中批間差異參數包括細胞計數、病毒滴度以及完整載體與空載體的數量等等。確定最佳制造條件以生產出具有一致性的高質量產品需要廣泛的優化流程和數據分析。數據驅動的預測模型（例如數字孿生）可以根據不同條件（例如混合模式、氣體交換和培養基成分）模擬全尺寸生物反應器中的細胞和病毒行為，然后可以通過 AI 模型快速分析以進行實時優化。

食品行業已經探索了將數字孿生應用于制造生物體衍生產品的過程。例如，皇家帝斯曼在荷蘭開設了一個AI實驗室，以優化藻類、真菌和細菌等微生物的培養過程，以生產維生素和脂質等營養分子。這個概念有可能轉移到CGT制造過程中，以提高效率和一致性。Antleron使用Ansys的仿真解決方案和數字孿生，設計并開發了用于細胞生長的定制生物反應器，并在過程中對細胞生長進行實時監測。

運營和供應鏈優化

實施穩健、高效且可重復的治療藥物生產平臺對于實現商業規模至關重要。生成式AI等技術可以通過分析與工藝參數、設備設置和產品質量相關的大量數據來識別制造中的低效率并優化流程和工作流程。

即使制造過程得到充分優化，治療產品的生產也可能因供應鏈的限制而停止。CGT供應鏈面臨許多物流問題，例如原材料的質量和可靠性、對CGT產品的需求不穩定、冷供應鏈需求和高成本。人工智能可用于分析與需求、庫存水平和物流相關的數據，以及根據需求優化庫存水平，跟蹤產品移動，并尋找減少運輸時間和縮短交貨時間的機會。此外，人工智能解決方案還可以通過分析與運輸時間表、交通負荷、天氣等相關的數據來預測供應鏈中斷，使制造商能夠計劃應急措施以最大限度地減少中斷。

支持法規遵從性

管理和滿足法規合規性要求通常是手動工作，需要分析和管理大量數據和文檔。因此，此過程容易出錯且耗時，需要大量人員。AI和機器學習正在成為突破性技術，以促進和半自動化這一過程。例如，AI 可以加快新療法的監管提交和上市時間。通過分析大量監管提交，AI 可以從模板自動生成監管文件或從臨床試驗中提取數據，從而允許手動工作專注于更復雜的任務，從而加快監管提交速度。基于公司存儲的大量監管相關數據，AI還可以預測監管機構可能會提出的查詢，從而使公司能夠提前為這些潛在請求做好準備，從而最大限度地減少公司與監管機構之間的來回溝通。

結論：“九萬里風鵬正舉”。

AI具有巨大的潛力，可以通過導航和分析大型復雜數據，自動化和加速手動和容易出錯的流程和工作流程，并允許在虛擬環境中同時試驗各種選項和條件，來解決整個CGT價值鏈中的挑戰。特別是對于小型CGT開發者來說，擁有AI能力來降低研發的成本和時間框架將吸引必要的投資來開發和為患者帶來新興療法。在CGT領域運營的利益相關者必須考慮 AI 可能為其業務帶來的優勢和機會，并開始制定實施策略，因為采用AI不僅僅是從供應商那邊購買工具，還需要對組織結構和運營進行全面變革。