智慧藥學助力創新藥物準入

近年來，隨著人工智能、大數據等新興技術的發展，越來越多的智慧藥學應用服務走進各大醫院。藥品追溯、智能配送……在眾多場景的應用中，智慧藥學能否突破現有格局向更深層次服務進發？隨著新一輪國家醫保現場談判的召開，《醫學科學報》就相關話題邀請多位專家共聚一堂，共同探討智慧藥學在創新藥準入領域的應用發展。

科技賦能為臨床研究降本增效

顧名思義，“智慧藥學”與傳統藥學的區別在于“智慧”二字。中國藥科大學國家藥物政策與醫藥產業經濟研究中心項目研究員席曉宇認為，“智慧”主要指對互聯網及物聯網技術的深層次應用，并由此形成具有更高應用價值的藥學證據。

根據現有資料，人工智能及大數據等技術已在藥品研究與評價等方面展現出巨大的應用前景。

“一方面，這些新技術可以高效完成臨床研究中的基礎環節，在解放人力的同時實現‘提質增效’。另一方面，部分技術或許可以改變臨床研究與藥品評價的工作邏輯，甚至有望為行業帶來顛覆性的創新。”北京大學醫藥管理國際研究中心研究部主任韓晟舉例稱，在臨床研究中結合自然語言處理技術（NLP），可在臨床大數據中篩選潛在的可入組患者，提高臨床試驗患者入組效率；在臨床數據收集過程中，完成數據質控、智能邏輯校驗等內容，以協助提高臨床研究的質量和效率。

韓晟指出，利用人工智能算法，研究者可以從醫療數據中挖掘更具潛在意義的選題，特別是上市后不同療法組合的收益及安全性風險信號，從而改變臨床研究的選題邏輯，從結果導向出發，高效、充分利用研究資源。與此同時，臨床試驗亦可在研究設計方面與真實世界數據相結合，綜合得到兼顧內部效度與外部效度的試驗結果；在結果應用方面，則可利用相關算法在大數據中找到更多亞組，特別是特殊人群的效果外推，提高臨床研究結果在人群應用中的精準性和公平性。

從英國AI制藥公司BenevolentAI利用人工智能檢索前沿論文加速藥物研發進程，到國際商業機器公司IBM通過模型預測肌萎縮性側索硬化癥(ALS)與RNA結合蛋白的關系，人工智能目前已經在多個環節不同程度地介入藥物研發。

上海交通大學醫學院附屬仁濟醫院副教授吳斌表示，新興技術的應用顯然已經改變了藥物研發的既有方法，一定程度上加快了新藥的研發速度，對研發成本的降低有明顯效果。

“最終一定會惠及患者。”吳斌如是說。

智慧監管為藥品安全保駕護航

藥品上市后的安全性研究亦值得關注。

據韓晟分析，一個完整的藥品安全性研究體系，應包括對不良事件信號的識別、對信號意義的評價、對不良事件成因的解釋、對同類不良事件預防策略的構建等內容。而業內目前的不良反應研究工作，主要集中在諸如基于不良反應大數據的信號挖掘、不良反應機制的試驗等方面，對于真正使患者受益的預防不良反應行動方面的研究甚為有限，難以形成藥品安全性研究的閉環體系。

韓晟期待，未來“智慧藥學”能夠補齊業內短板，充分利用現有的循證證據，主動監測收集新的可疑信號，對安全性事件信號做出及時響應，利用信息系統進行可靠的風險管理和動態風險管理效果評估，真正從“為人民健康服務”的角度出發，幫助患者在藥學服務的新模式中獲益。

實際上，基于大數據和人工智能技術形成的臨床證據，藥學服務人員能夠在臨床治療管理中，利用特定患者的臨床診斷結果、個人特征、生活習慣等數據，為其提供個性化的用藥風險管理建議。席曉宇認為，管理部門同樣也可在藥品監管中，基于智慧監管工具從眾多醫療機構中獲取可靠的臨床資料，并對其數據進行挖掘，從而識別傳統監管模式下難以識別的藥品風險。

“在‘智慧藥學’的背景之下，從業人員面臨的主要挑戰在于職業定位的轉變，以及職能變化所需要的專業知識技能的提升。”席曉宇指出，在職業定位方面，智慧監管的相關技術或將讓藥學人員以更高的效率完成藥品管理調劑、藥學數據管理等實操層面的工作，促使其角色向臨床和科研轉變。這種潛在的轉變可能會給藥學人員帶來一定的挑戰。

科學測量為談判提供決策證據

1月5日，涉及343個品種的22年國家醫保現場談判在京舉行，包含145個目錄內原有品種及198個目錄外新進品種。其中首款國產雙抗、治療年費上百萬的CAR-T、罕見病Castleman病“救命藥”等多款腫瘤高值新藥、罕見病新藥首次“開談”。談判門檻線成為業內關注熱點之一。

吳斌表示，談判門檻線的設定需要綜合多方面的情況考慮，例如目錄內外藥物的療效、安全性和經濟性，醫保基金池大小，治療領域內藥物的基金支出趨勢，醫藥研發和上市格局等，同時也包括我國居民疾病治療需求、新冠疫情等突發公共衛生事件、衛生和醫保政策的變化、我國醫藥產業發展現狀等諸多宏觀層面的參考因素。

業內專家認為，此次醫保目錄準入談判中，創新藥價格的整體調整幅度與歷屆相比，應該會趨于溫和，旨在“保基本”的基礎上對“促創新”給予更大力度的支持。

針對智慧藥學應用，席曉宇指出，人工智能、大數據等新興技術必將在日趨成熟之中助力監管，但僅靠技術應用完成門檻線、談判價格測算等仍“不太現實”。

“新興技術形成的證據對門檻線制定具有重要參考意義。但算法很難突破人類制定的邏輯框架。”席曉宇表示，“例如人工智能可能很難識別新冠疫情給醫保基金帶來的壓力，以及新技術的出現、新藥物的研發等時間節點，也就無法對相關參數進行準確判斷。此外，許多參考信息是無法進行量化衡量的，需要進行龐大且復雜的模糊決策，現有的人工智能等技術顯然無法進行這樣的模糊決策。”

吳斌指出，理論而言，為制定談判門檻線而投入的技術研發成本和計算機算力成本越高，決策結果越接近真實。但如此決策是否經濟，以至成本達到怎樣的規模、以怎樣的策略投入成本才能定出符合決策需求的門檻線，目前尚無定論。