AI能否真正撬开制药业药物重定位的“金矿”？

以下文章来源于会会药咖，作者会会药咖

eClinical Solutions CEO Raj Indupuri近日指出，AI驱动的工具能够识别传统分析难以发现的数据关联与信号，这或许将彻底改变老药新用的游戏规则。

FDA发力：挖掘已有药物的“巨大未开发价值”

药物重定位（Drug repurposing）在现代制药史上留下过诸多传奇。从拜耳（Bayer）的阿司匹林——最初作为止痛退烧药上市，后来成为心血管疾病经典用药——到辉瑞（Pfizer）的万艾可（Viagra），都是老药新用的典范。

如今，美国FDA希望复制这些成功故事，正在仔细审视已上市疗法用于新适应症的可能，尤其关注那些患者治疗选择有限的领域。FDA认为，现有药物数据中蕴藏着“巨大、尚未开发的價值”。

早些时候，FDA公开向行业利益相关方征求意见，探讨如何利用制药公司手中潜在的“金矿”——即已上市药物。具体而言，FDA希望协助识别两类候选药物：一类是无需额外临床试验、现有证据已足以支持新用途的药物；另一类是已有早期临床或临床前疗效数据，且值得“进一步研究”的药物。

反馈截止日期为今年6月11日。 FDA正在广泛征求临床医生、研究人员、患者及制药商等各方的意见。

海量数据成障碍？AI登场正当时

对于大多数制药公司而言，这无疑是利好消息。在临床试验全过程中积累了海量未被充分利用的数据——单是一项III期试验就可能产生超过600万个数据点。

eClinical Solutions公司联合创始人兼CEO Raj Indupuri指出，这些庞大的数据集往往分散在不同的系统和数据库中收集和存储，分析难度日益复杂。

“许多公司手头握有多年积累的数据，却从未运用当今的AI和机器学习能力进行过分析。”—— Raj Indupuri

临床试验信息常常散落在电子数据采集系统、实验室平台、安全性数据库和真实世界证据源中，有时还由供应商或合同研究组织（CRO）管理。

这正是AI驱动工具可以大显身手之处。

AI能做什么？

AI和机器学习能帮助机构识别跨数据集之间的关系和信号，而这些信息通过传统分析可能难以察觉。例如：

发现那些“反应与预期不同”的患者亚群；

寻找生物标志物相关性；

分析纵向治疗模式；

基于真实世界结局提出新的研究假设。

“这对制药商来说是非常关键的信号，反映了行业正在发生更广泛的转变——缩短周期、降低开发风险、更快地将疗法带给患者。”—— Raj Indupuri

药企应关注的四个关键词

FDA推动药物重定位是其更广泛使命的一部分——只要现有科学证据支持，就及时更新药品说明书。这也向制药行业发出了强烈信号：行业可以变得更加敏捷。

同时，这反映了监管和临床开发领域的整体演进。监管机构正越来越多地鼓励采用持续的、数据驱动的方法进行药物开发。

对于希望抢占先机的公司，Indupuri建议优先关注四个关键因素：

1.数据就绪 – 确保基础数据处于可分析状态；

2.AI治理 – 建立负责任、可追溯的AI应用框架；

3.运营对齐 – 使内部运营流程与新目标保持一致；

4.未充分利用的资产 – 审视产品组合中那些被忽略的“老药”。

“许多公司多年积累的数据，从未用今天的AI和机器学习能力分析过。”他特别强调。

对于那些拥有已上市多年药物的药企，现有临床数据和真实世界数据中可能隐藏着“巨大的、未开发的价值”。

“许多已获批化合物已经具备了成熟的安全性特征、生产工艺和长期证据，”Indupuri补充道，“FDA对药物重定位的关注，为企业重新审视这些资产创造了绝佳时机——利用现代化数据基础设施、代理式AI（agentic AI）、集成分析以及数字孪生策略。”

结语

AI能否真正撬开制药业药物重定位的“金矿”？技术工具已准备就绪，监管大门正在打开，剩下的关键是：药企能否快速行动，将沉睡多年的数据资产唤醒，并用AI的力量为老药找到新的生命。

【免责声明】