News Release

经过 7 年的训练,生成式人工智能离成功预测临床试验结果又近了一步

Peer-Reviewed Publication

InSilico Medicine

inClinico 是一个基于Transformer的人工智能系统,旨在预测临床试验II期至III期的转化成功率

image: inClinico 是一个SaaS模式的在线软件系统, 已开放与行业伙伴的对外授权合作,也开放供分析师、对冲基金和银行在评估中小型生物技术公司临床试验项目中试用 view more 

Credit: 英矽智能

  • 自2014年以来,英矽智能长期致力于开发用于II期到III期临床试验转化成功率预测的人工智能模型,并于2016年在预印本网站上发表了首篇预测临床试验结果的论文

  • 在训练和验证inClinico的过程中,英矽智能采用了回顾性验证、准前瞻性验证和前瞻性验证,本次发表的论文展示了融合了多种模型的预测引擎多年以来的训练成果

  • inClinico 是一个SaaS模式的在线软件系统, 已开放与行业伙伴的对外授权合作,也开放供分析师、对冲基金和银行在评估中小型生物技术公司临床试验项目中试用

 

2023年8月3日,全球领先的生成式人工智能(AI)驱动的生物医药科技公司英矽智能,利用其自主研发的基于Transformer的人工智能临床试验预测引擎inClinico,高度准确地预测了多项临床试验II期至III期的转化结果。这项研究成果已发表在《临床药理学与治疗学》期刊上,该期刊是实验与临床医学领域权威的跨学科期刊。

 

近90%的候选药物在临床阶段失败,其原因包括无法显示疗效、安全性问题以及疾病和数据的复杂性等,这常常导致研发团队面临数万亿美元和数十年投入的巨大损失。2014年以来,英矽智能长期致力于开发用于II期到III期临床试验转化成功率预测的人工智能模型,并于2016年在预印本网站上发表了首篇预测临床试验结果的论文。

 

英矽智能总裁、论文作者之一Alex Aliper博士表示,"临床试验失败是一个复杂的问题,人工智能在解决这个问题上有着得天独厚的优势。借助inClinico这样的AI工具,我们可以帮助公司确定哪些项目需要优先考虑,并让投资者对最有可能成功的药物发现项目有进一步的了解。”

 

inClinico 是一个基于Transformer的人工智能系统,旨在预测临床试验II期至III期的转化成功率,它整合了多种评分方法、多模态数据源(包括文本、组学、临床试验设计和小分子特性)以及生物学背景,并与最先进的深度学习模型相结合。

 

英矽智能在发表的论文中介绍,inClinico平台在55,000多项独特的II期临床试验中进行了训练,并在回顾性、准前瞻性和前瞻性验证研究中进行了验证。在准前瞻性验证中,inClinico 在预测临床试验II期至III期的转化成功率方面的 ROC AUC 达到了 0.88,这是机器学习的一项性能指标,表明其具有对结果很高的辨别能力在前瞻性验证中,它对真实世界临床试验结果预测的准确率达到了79%

 

值得注意的是,论文还展示了inClinico对投资者的实用性。在案例展示中,英矽智能利用inClinico的预测能力筛选了虚拟交易组合,并将筛选结果以发布预印本论文的形式公布,该组合在随后9个月内的投资回报率(ROI)达到35%。论文同时指出,投资组合的表现取决于众多因素,其中许多因素都很难预测或建模,这些研究结果只是基于经验证据的概念验证。

 

英矽智能创始人兼首席执行官Alex Zhavoronkov博士表示,“目前,有超过半数的 II 期临床试验都以失败告终,导致数千亿美元和数十年的努力付诸东流。准确预测临床试验II期至III期的转化成功率可以改变游戏规则,让生物医药公司有机会在药物发现过程中更早地引导临床试验取得成功结果,并为投资者提供关于哪些在研药物最有可能取得成功的宝贵见解。”

 

除了成功预测多项临床试验II期至III期的转化结果外,该研究结果还表明,靶点选择比临床试验设计更有可能影响临床试验结果预测。另外,即使事先不了解药物在疾病中作用机制和临床相关性,inClinico 也能发挥作用。以投资为目的的实践还表明,inClinico 可以为投资者提供技术上的尽职调查见解,并帮助制药公司确定药物开发项目的优先次序。

 

英矽智能副总裁、人工智能平台负责人、论文共同作者Petrina Kamya博士表示,“这个充满希望的成果为我们的研究提供了更多基础。我们计划继续完善inClinico,找出影响临床试验成功与否更为细化的因素,开发能够从零开始创建最佳临床方案,并生成最相关的患者选择标准的人工智能模型。”

 

目前,inClinico 系统可向符合条件的行业分析师、对冲基金、银行从业人员提供试用,并开放与行业伙伴的对外授权合作,供有兴趣的研究者将人类分析与多种人工智能算法展开比较分析。

 

参考资料

[1] Aliper, A., Kudrin, R., Daniil Polykovskiy, Kamya, P., Tutubalina, E., Shan, C., Ren, F., & Zhavoronkov, A. (2023). Prediction of clinical trials outcomes based on target choice and clinical trial design with multi‐modal artificial intelligence. https://doi.org/10.1002/cpt.3008

 

关于英矽智能

英矽智能是一家由生成式人工智能驱动的生物医药科技公司,通过下一代人工智能系统连接生物学、化学和临床试验分析,利用深度生成模型、强化学习、转换模型等现代机器学习技术,构建强大且高效的人工智能药物研发平台,识别全新靶点并生成具有特定属性分子结构的候选药物。英矽智能聚焦癌症、纤维化、免疫、中枢神经系统疾病、衰老相关疾病等未被满足医疗需求领域,推进并加速创新药物研发。

更多信息,请访问网站
www.insilico.com

商务合作,请联系 bd@insilico.ai

媒体垂询,请联系 pr@insilico.ai


Disclaimer: AAAS and EurekAlert! are not responsible for the accuracy of news releases posted to EurekAlert! by contributing institutions or for the use of any information through the EurekAlert system.