上月，多家跨国药企纷纷入局，锁定AI在临床开发中的应用，或携手新锐或强强联手，运用AI加速药物临床开发进程。默沙东（MSD）引进临床数据管理和认知洞察平台，利用云计算及机器学习算法，提升临床数据处理效率；百时美施贵宝与新锐达成合作，运用AI病理学模型优化跨适应症临床试验患者细分；罗氏与百度灵医智惠联手，结合深度学习技术框架和海量生物信息数据，提速临床试验全过程……以下还有更多值得一看的行业资讯。

01
# 研发进展 #

由机器学习算法与全基因组测序技术发现，新型生物标志物指导2期临床试验

7月28日，索元生物宣布其潜在”first-in-class“在研新药liafensine的全球2b期临床试验完成首例受试者入组，旨在评估liafensine在难治性抑郁症患者中的疗效和安全性。Liafensine可特异性地抑制在抑郁症中起重要作用的5-羟色胺、去甲肾上腺素和多巴胺的再摄取。索元生物搭建了一个独特的DGM生物标志物发现平台，利用其专有的机器学习算法与全基因组测序技术发现了一种新型遗传生物标志物，即DGM4，它与liafensine降低抑郁症主要临床指标MADRS评分高度相关。据新闻稿介绍，索元生物此次全球2b期临床试验在DGM4的指导下进行，是中枢神经系统领域开展的首个生物标志物指导下的临床试验。

AI+体外类瘤模型预测肺癌免疫治疗应答，加速个体化抗肿瘤疗法研发

7月28日，Nilogen Oncosystems宣布其临床观察性研究TUMORIN已开始受试者入组，旨在利用体外类瘤模型来预测非小细胞肺癌的免疫治疗应答。在临床标准治疗环境下接受免疫检查点抑制剂的晚期/转移性非小细胞肺癌患者将被纳入研究。该公司的体外类瘤模型保留了免疫隔室和完整的肿瘤微环境，应用了先进的人工智能技术和机器学习算法，结合患者个体数据，能够发现新的生物标志物特征作为患者反应的预测因子，并能帮助药物研发人员掌握各类药物的基本作用机制，提供关于免疫肿瘤学候选药物的关键见解，确定最有希望推进到临床试验的候选药物，从而提升药物临床开发效率，最终根据患者的功能反应制定个体化抗肿瘤疗法。

02
# 交易概览 #
默沙东引进Saama Technologies的机器学习云平台，提升临床数据处理效率

8月10日，默沙东与Saama Technologies达成了一项多年协议，将利用Saama的生命科学分析云（LSAC）构建和实施新的临床数据管理流程，以加强其临床开发能力，并加快管线进展。LSAC是Saama开发的一个基于云计算和机器学习算法的临床数据管理和认知洞察平台，用于加速临床研究结果。Saama的AI解决方案和服务可以提供强大的数据整合、监控、分析和协作功能，从而帮助申办方和合作的研究组织在保证数据质量的同时加快和简化药物开发流程。此外，Saama的AI模型使用了超过1亿个临床数据点进行训练，并可以轻松嵌入到现有的基础架构和业务工作流程中。根据协议，默沙东将把LSAC整合到其现有的临床开发系统中，旨在提高默沙东对来自多个内部和外部数据源的数据进行摄取、管理、转换和分析的速度和效率。

百时美施贵宝携手PathAI，运用AI病理学模型优化临床试验患者细分

8月25日，PathAI宣布与百时美施贵宝（BMS）达成一项为期多年的扩大合作协议，将扩大AI在药物研发过程中的潜在应用，包括转化研究、临床试验和诊断进展。PathAI的目标是利用人工智能和深度学习，对病理学数据进行分析，从而促进创新诊断和疗法的开发。比如，该公司基于AI的非酒精性脂肪性肝炎（NASH）评分系统可以准确重现NASH症状清除的临床研究终点。AI驱动的PD-L1评分在一项临床试验中能够在人工评估的PD-L1阴性患者中发现28%的PD-L1阳性患者。BMS和PathAI将利用AI病理学模型，通过更好地识别患者群体，选定BMS管线中最具潜力的候选药物，降低药物研发风险，并将利用这一模型优化跨多种适应症的临床试验患者细分。此外，双方还在合作开发AI驱动的诊断方案，如抗肿瘤领域的CD8 T细胞浸润评估等。

百度灵医智惠与罗氏达成合作，搭建大数据平台提速临床试验全过程

8月11日，百度灵医智惠与罗氏（Roche）达成战略合作，双方将充分整合各自优势，以AI赋能为合作重点，开启AI精准医疗、AI药研等数智化研发合作，深入患者全链路管理服务场景，探索药企数智化转型的新方向。据悉，百度灵医智惠已帮助医药产业实现了药品研发、临床试验、产品推广、患者教育的药品全生命周期、患者筛诊疗管全链路的技术赋能。在药品研发上，百度灵医智惠基于百度深度学习技术框架和海量的生物信息数据，构建数据和知识驱动的生物计算平台，帮助药企加速药物研发过程，降低临床前研发成本。在新药临床试验上，百度灵医智惠搭建医疗大数据平台，全面加速受试者招募、远程监察、真实世界研究RWS等临床试验全过程。同时，百度灵医智惠通过医药筛查硬件、AI随访工具、小度音箱等产品和服务，从患者认知到患者管理，为患者提供诊疗全周期的数智化服务。

GNS与施维雅剑指多发性骨髓瘤，结合“数字双胞胎”与因果AI模型模拟临床试验

8月24日，GNS与施维雅（SERVIER）宣布合作推进多发性骨髓瘤的药物发现、转化和临床开发工作。此次合作将进一步推动施维雅的目标实现，即通过人工智能和生物模拟以及其他数字化举措加速其药物发现和临床开发工作。GNS致力于使用“数字双胞胎”虚拟患者、因果AI模型和模拟技术进行药物发现和开发，其专有的因果AI模型能够提供多组学和现实世界数据的新见解，发现和验证新型药物靶点，模拟临床试验。此外，其多发性骨髓瘤“数字双胞胎”技术整合了大量的患者多模态数据，根据复杂的生物学机制创建了透明、准确、量化的表示法，揭示了人类疾病的新回路。然后通过生物定位（本质是计算实验），GNS可以帮助发现新的药物靶点和疾病机制，确定更为有效的候选药物，还可以针对为什么患者的某些分子谱会有更好、更持久的反应提供见解。据此，GNS的多发性骨髓瘤“数字双胞胎”技术有望通过加速识别新的靶标和靶标组合、新的生物标志物，并优化计算机试验设计，改革药物研发方式。

AI算法识别数字生物标志物，有望成为ALS临床试验评估指标

7月28日，NeuroSense Therapeutics与NeuraLight宣布合作推进数字生物标志物的发现，以检测和监测肌萎缩侧索硬化症（ALS）等神经系统疾病。NeuraLight是一家AI驱动的生物技术公司，其平台技术使用计算机视觉、AI、深度学习与机器学习算法来识别和追踪眼测量数字生物标志物。该技术能够在通过标准的网络摄像头或智能手机捕获使用者的面部视频后，从中提取100余个稳定且准确的眼科标志物，帮助使用者完成神经系统状态评估，有望成为肌萎缩侧索硬化功能评定量表的一个可靠代理（proxy），该量表是目前ALS临床试验终点的一个重要指标。目前，NeuroSense的主要候选药物PrimeC正在进行针对ALS的2b期临床试验，NeuroSense与NeuraLight的合作将使双方共享并跟踪患者数据，以在NeuraLight开展的一项平行研究中探索ALS数字生物标志物的识别和使用。