日前(24日)，BIO Asia-Taiwan亞洲生技大會論壇第二日之中，創新論壇3(Session A-3)主題聚焦於人工智慧(AI)與轉譯醫學，邀請到美國加州大學舊金山分校(UCSF)教授吳蘭芳(Lani Wu)、安進(Amgen)觀察性研究中心副總裁Brian Bradbury、國衛院群體健康科學研究所副所長陳豐奇，分享AI在生技醫藥上的創新應用，並強調「AI僅是一項工具，應用的關鍵在於如何定義問題」。


 國家衛生研究院(NHRI)司徒惠康院長(攝影/吳培安)

國家衛生研究院(NHRI)司徒惠康院長表示，國衛院自1996年成立以來，致力於癌症、傳染病、老化與基因體研究等領域，推動跨領域合作，促進新醫療科技與療法的發展，以解決重大健康挑戰。
 
司徒惠康強調，近五年，AI已經被證實具有重塑醫療的潛力，因此此論壇聚焦於AI在藥物開發上的應用，以及真實世界證據(real-world evidence)與真實世界數據(real-world data)如何影響醫療決策。 

UCSF：開發深度學習模型CLIPn 藥物篩選成功率提升20%

UCSF教授吳蘭芳(攝影/吳培安)

UCSF教授吳蘭芳分享，如何運用AI處理高通量影像分析(HCS)來進行藥物發現，她指出，現在眾所周知的「機制類似的化合物會誘發相似的細胞反應」的理論在20年前十分新穎，其研究團隊在2004年發表在《Science》的論文，是首次以顯微影像為基礎，將不同藥物處理細胞後的表現型進行數據化，轉化成表現型圖譜(phenotypic profile)，證實這項理論後，便可透過觀察細胞對未知藥物表現出的反應來預測其功能，甚至能發現新藥物。
 
吳蘭芳表示，HSC在20年後的現今，已經成為學術界與製藥界大規模篩選化合物的標準，但這項技術也具有許多挑戰，包含：影像數據集過於龐大，不利於共享與整合；不同研究使用的細胞株、條件、標記與分析方式皆不同，導致數據難以合併。
 
因此，吳蘭芳開發出一種整合高異質性HSC數據的深度學習方法──「CLIPn」，透過「參考藥物類別(reference drug classes)」將不同數據集進行對齊，使不同藥物數據庫能對應於相同機制，用某數據庫來預測另一數據庫中未知的化合物，進而提升對未知藥物的分類與預測能力。
 
她們也發現這一方法能偵測出未產生特異性反應的藥物(如DMSO對照組)，進一步增強數據的可解釋性。實驗中，於13個數據集中嵌入的未知化合物分類準確度明顯提升，特別是對於那些誘發明顯細胞反應的「生物活性化合物(bioactive compounds)」，篩選成功率提高約20%。 

安進：從臨床招募效率到監管審查 AI+RWE推動新藥上市與療效評估再升級

 安進觀察性研究中心副總裁Brian Bradbury(攝影/吳培安)

安進觀察性研究中心副總裁Brian Bradbury分享，如何運用AI與RWD/RWD推動藥物安全性與有效性的評估。他強調，RWD/RWE可以用來解決藥物開發的許多挑戰，並提供關鍵決策的參考依據，包含疾病發生率與盛行率、生物標記物、疾病自然病史等等，搭配AI技術與大數據整合，全球藥物開發與臨床試驗設計進入全新階段。
 
Bradbury指出，安進的觀察性研究中心主要負責將已研發完成的藥品進入人體試驗並通過各國法規審查，晚期臨床試驗設計到藥品上市後監控。他提到，全球監管單位，包括美國食品藥物管理局(FDA)、歐洲藥品管理局(EMA)、中國國家藥品監督管理局(NMPA)與日本醫藥品醫療機器綜合機構(PMDA)等，都已將RWE納入藥品審查參考。
 
Bradbury舉例，如與FDA合作的TRUST計畫，透過自然語言處理(NLP)從醫師筆記與結構化欄位中判定嚴重氣喘病患，其變數識別準確度(F1 score)超過95%，大幅改善傳統結構化資料的低靈敏度問題。在臨床試驗招募方面，安進運用病患特徵、臨床設計參數與研究中心表現等數百項參數，訓練出可預測試驗地點招募效率的機器學習模型ATOMIC，讓患者招募速度加速2.4倍。
 
他也提到，安進利用RWD進行多國骨質疏鬆症研究，結合全球20國資料評估髖部骨折發生率，分析老化社會的疾病負擔。在小細胞肺癌藥物開發上，安進比較美國與日本等國的真實世界數據，發現其雙特異性抗體tarlatamab可將整體存活期由5個月延長至14.3個月。
 
另一個代表案例是安進利用台灣健保資料與成功大學合作，證實旗下骨鬆藥物Denosumab可降低40%骨折風險，最終促成中國藥證申請通過。Bradbury表示，亞洲區域豐富的RWD將支持全球臨床試驗的招募、加速監管批准與進行上市後安全評估，搭配AI將為量化研究創新里程碑。
 

國衛院：建國家級人體生物資料庫整合平台 AI減動物實驗、預測藥物毒性

 
國衛院群體健康科學研究所副所長陳豐奇(攝影/吳培安)

國衛院群體健康科學研究所副所長陳豐奇指出，國衛院是台灣唯一以任務導向的研究機構，五大任務包含進行國內重大疾病防治研究、針對醫藥衛生政策提出建言、推動醫藥生技產業、整合及提升國內醫藥衛生研究、建議國內外學術合作。
 
他強調，AI在無處不在，我們需要認真思考該如何把AI導入健康系統中，例如，在藥品與醫材開發方面，國衛院近兩年發布多份白皮書，包括數位健康未來：智慧醫療器材與數位療法的協同與創新應用趨勢、臺灣醫療器材CDMO的未來、產業趨勢及重要性、健保藥物給付多重決策模式等，建議政府設立「沙盒機制」鼓勵AI等創新療法發展，並使用AI技術減少動物實驗、加速美國食品藥物管理局(FDA)審查流程，以及進行製造與上市後安全性監控。
 
此外，國衛院也建立國家級人體生物資料庫整合平台(NBCT)，整合全台主要醫療機構的資料庫成一站式平台，提供研究人員快速取得生物樣本與基因序列資料，大幅提升AI模型訓練效率。
 
在技術研發方面，國衛院生藥所研究員童俊維以人工智慧與資料庫技術開發出MTForestNet演算法，可用於生物與化學分子的功能與毒性預測，精準區辨不同化學物質，並建立「虛擬斑馬魚模型」，模擬化學物質的毒性反應，達到預測毒性與減少動物實驗的目標。
 
另一項由國衛院生醫工程與奈米醫學研究所副研究員Maxim Solovchuk開發出透過CT影像，建構腫瘤與血管的3D結構，協助醫師擬定手術計畫，並模擬高能聚焦超音波(HIFU)對腫瘤的破壞效果。
 
國衛院生醫工程與奈米醫學研究所郭立威博士則利用對抗生成網路(GAN)，開發大腦磁振造影(MRI)超解析度技術(Super-Resolution)，能在不增加掃描時間的情況下，提升影像空間解析度，增加診斷效能。
 
在慢性病領域，國衛院與宏碁、基隆長庚紀念醫院合作，透過靜態心電圖(ECG)結合AI演算法，開發出冠狀動脈阻塞智慧偵測系統，準確率提升至約79~83%，目前已有多項專利核准。
 
最後，國衛院生技與藥物研究所特聘研究員兼所長謝興邦作為主持人，與演講專家進行深度對談，專家們強調，AI是一項工具，應用的關鍵在於解決的問題是什麼，有時簡單方法就可應用，不必拘泥於複雜的深度學習模型。

(報導/李林璦)