2040年，医疗健康行业会有哪些变化？药明康德全球论坛第三日精华
▎药明康德内容团队编辑
编者按
作为JPM大会期间行业关注的焦点，今年的药明康德全球论坛自开放注册以来，已有5000余人报名参加。论坛第三日的主题是“从治病到治未病”，本文摘录了其中的一些精彩洞见。如想重温第三日完整两个小时的内容，请长按识别图中二维码，或点击文末“阅读原文/Read More”申请观看（北京时间1月12日-14日，每日上午9点到下午9点限时双语点播）。
人类往往高估自己在一两年内能够完成的事，却严重低估10-20年后能够实现的场景。当人类基因组草图刚刚绘制完成，谁能想到医药行业能在随后20年里发展出癌症免疫疗法、细胞疗法、基因疗法、RNAi疗法等全新的模式？展望未来，人工智能、数据技术等前沿科技又将怎样拓宽生命科学的边界，带来颠覆性的突破？
药明康德全球论坛的第三天，前FDA掌门人、大型跨国药企研发负责人、深耕创新疗法领域的专家、以及将医疗与数字科技紧密结合的意见领袖们为参会者带来了一场思想盛宴。
全球论坛第三日介绍视频
特别感谢BioCentury、BioWorld、英国生物工业协会、Biocom、儿童肿瘤基金会、加州生命科学协会、Endpoints News、MBC BioLabs、Pharma Intelligence、Qb3和瑞士生物技术协会对论坛的大力支持。
下一个颠覆性突破
展望下一个颠覆性突破，药明生物首席执行官陈智胜博士首先指出行业对此会更有急迫感：“疫情过后，可以把我们在开发疫苗和新冠病毒抗体，以及小分子药物上积累的经验应用到其它疾病领域。”一年之内，行业就研发出了多种针对新冠的疫苗或是中和抗体。“如果我们能把学到的经验教训应用到癌症或罕见病患者身上，他们为什么要等20年呢？”
Endpoints News主编兼创始人John Carroll先生向各位嘉宾抛出关于研发效率的问题。“在过去五年里，每当出现行业突破，也是我们对疾病原理、治疗机制有了新洞见的时刻……人们会认为疾病和治疗的机理已经得到了理解，然后很快会集中研究同样的方向。这一现象在癌症领域尤其明显。这种情况是好事吗？如果我们将这些重复研究的精力放在其他方向，会不会反而可能取得更快的进展？还是我们不可避免地会有这种‘浪费’？”
Alnylam Pharmaceuticals总裁兼首席运营官Yvonne Greenstreet女士的看法别具新意：“如果多个公司追求的目标完全相同，那么整个行业系统显然存在效率低下的问题。但事实上，随着时间推移，技术会不断改进，因此第一代疗法可能不是最好的，你需要第二代、第三代疗法。因此，我认为，整个行业里，最好的科学家竞相尝试最好的想法，这其实意味着最终可能会获得更好的结果。”
Kymera联合创始人，总裁兼首席执行官Nello Mainolfi博士从不同治疗模式上给出了回答。当行业出现热门研发靶点后，“最好的解决方案是用不同的技术来尝试”。他提到了目前针对KRAS突变的研发浪潮：“针对KRAS突变，大多情况下是研发小分子药物，但是如果还有其他解决方案，我也不会感到惊讶。”为了解决生物学的难题，行业可以使用包括抗体，或是RNAi，或是抗体偶联药物，以及蛋白降解疗法等多种不同的技术手段。
Silverback Therapeutics首席执行官Laura Shawver博士的回答则站在了患者的角度——“新药研发行业的失败率很高。但如果我们进一步分析，就会发现有不少成功案例也是来自之前失败过的公司。”无论是曾经的杂交瘤和单克隆抗体技术，还是近期兴起的RNAi疗法、抗体偶联药物、蛋白降解疗法等，都曾经历过失败。“几乎所有新技术都需要一群人来推动其发展，即便没有成功，我们也可以从中积累经验。我认为，多家公司在同一领域有所投入是一件好事。这对患者也很有帮助，因为这可以确保我们以最快的方式为患者提供最好的药物。”Shawver博士补充道。
定义下一个二十年
畅想未来20年新药研发的挑战，基因泰克研究和早期开发负责人Aviv Regev博士指出，生物医学和新药研发的一大挑战，在于它的可预测性。“生物学有很多非线性问题，不是简单的‘一加一等于二’。用单独的药物做单独的研究或临床试验，并不能真正告诉我们联合用药后会发生什么。”在她看来，要解决这个挑战，需要大量数据支持的机器学习技术——“我们想要获得某个靶向特定蛋白的抗体，关键问题在于需要预测一个抗体能否很好地结合蛋白质。下一个问题是我们所说的生成模型。如果我给你一个蛋白质，你是否可以给我一个能与之结合的抗体序列，哪怕之前我们从来没有这个抗体的信息？最后一层，我们称之为可解释性，也就是需要解释。为什么这个抗体结合了蛋白？或是为什么没有？”
面对可预测性，Verily和Google Health临床政策和战略负责人Robert Califf博士指出我们的预测永远不会完全确定，但行业一直在努力提高概率，以减少不确定性。过去，很多临床试验都可谓是在“盲人摸象”，“即使已经进入了人体临床试验阶段，其中90%以上还是以失败告终。大多数要么没有预测到脱靶效应，要么虽然靶点产生作用，但它的整体生物学影响与预期不符。”而在未来，我们现在不仅要计算整个大象，还要计算象群，了解它们如何相互作用的，了解它们如何与环境相互作用。
Polaris Partners管理合伙人Amir Nashat先生在讨论中提到了临床数据公开的重要性：“我们对比谈论的数据和实际掌握的数据，就会发现其实有很多数据没有公开发布。我们最后听到的是试验成功还是失败，但并没有得到所有的结果。我们并没有得到所需要的所有数据，而这些数据原本可以让你对这个靶点进行全面的模拟。”
两位嘉宾对这一观点表示认可。“我花了25年都没有做成的一件事情，就是研究那些没有取得成功的药物分子。”Califf博士说道，“根据法律，这些研究信息是受保护的，公众无法获得。但是我们需要有一种方式来分享它，因为这些信息可以避免很多错误的努力，这些努力是可以预见的，因为别人已经失败了，只是人们不知道。”
Regev博士以新冠为例，指出信息共享改变了人们对数据驱动的药物发现的看法，促使人们对很多研发流程进行了创新尝试。而从机器学习角度看，“我们既需要成功案例，也需要同样多的失败案例。提升预测性能，最好是采用完全不同的训练集和测试集。而这可能最终成为不同组织之间数据共享的最大动力。”
当科技遇上医疗健康
当我们在说医疗科技时，我们究竟在说什么？Andreessen Horowitz 普通合伙人Vijay Pande博士在讨论中给出了定义：“人们经常把科技与软件或数据联系在一起，但我认为有个更为宏观的东西将我们看到的许多东西凝聚在一起，那就是科技是一种工程思维。它可能是数据科学、人工智能或软件，也可能是CAR-T细胞疗法或CRISPR基因编辑。你想想一些已经问世的疫苗，它们是如何迅速问世的……工程化的能力意味着事情会一年又一年逐渐向好，无论是诊断方面还是药物发现，甚至是改造医疗保健系统这件事本身。”
从这个角度出发，PureTech Health创始人兼首席执行官Daphne Zohar博士指出科技与医疗健康领域的关系并不是简单的颠覆。“在医药产业中，有一种看法认为来自科技领域的人将会颠覆医疗健康。我认为在接下来的几年里，真正值得关注的是医疗生物技术公司能从科技行业学到什么……生物医药产业真正可以学习的一个领域，是如何与消费者或患者建立联系。”
现有的科技往往让人想到大数据，但在SV Health Investors管理合伙人Kate Bingham博士看来，“无论是诊断方面还是药物发现方面，我们得到的数据比我们有人手去分析的数据多得多。”在公司层面，我们看到了大量数据的产生，“现在所欠缺的部分是，如何整合这些信息并使其使他们可以指导行动。比如说我知道这些信息意味着什么，我该怎么做？这可能是下一个值得期待的重要里程碑。”只有利用这些数据来改善医疗健康，特别是精准医疗和个体化医疗，才能带来真正的意义。
美国德州大学M.D.安德森癌症中心高级副总裁，首席技术官兼首席数字官David Jaffray教授对此表示赞同。他预测数据互动和数据经济时代即将开启，并认为“未来的大部分医疗健康数据不会来自医疗系统，它将来自于收集数据的人们。”而在应用数据的过程中，消除数据流动中的阻力是关键：“仅仅是参与一个临床试验的利益攸关方数量，就可能带来很大消耗。比如有流失，有缺乏反馈，有在过程中缺乏实时反馈的情况。同时你需要尊重隐私和数据安全性。如果消除这些阻力，你就能构建灵活性。”
全球论坛闭幕视频
在乐观的基调之下，第九届药明康德全球论坛圆满落下帷幕。这三天里，40余位嘉宾们分享了2020年的经验教训，以及对未来机遇的独到见解。这些出色的想法能否实现，完全取决于业界同仁——只有来自世界各地、各行各业的创新者继续共同努力，才能为全世界大众创造一个更健康、更光明的未来。让我们共同合作，朝着“让天下没有难做的药，难治的病”的未来共同努力。我们所有人都对此充满期待。