AI技术在创新药临床前及临床阶段的具体应用场景有哪些？

AI在创新药研发中的应用已从早期的药物发现阶段逐步延伸至临床前和临床阶段，具体应用场景如下：

在临床前阶段，AI主要作为NAMs（新方法学）的关键加速器。NAMs技术体系以干细胞为基础，类器官为核心，AI为加速器。AI计算模型通过多组学数据挖掘药物敏感性的潜在决定因素，再通过类器官进行实验验证与迭代优化，将类器官从单纯的功能检测实验升级为链接患者生物学与预测性推理的决策支持平台。此外，AI在小分子ADMET（吸收、分布、代谢、排泄和毒性）预测方面已较为成熟，能够提前识别关键风险，压缩失败成本。在晶型预测领域，AI驱动的实验设计结合自动化平台，提高了固态研发速度和质量。在递送优化方面，AI平台如NanoForge可实现从分子生成到剂型确定的闭环流程，加速药物向临床转化。

在临床阶段，AI的应用主要集中在数据整合和患者管理，旨在提高早期决策质量。具体应用包括：试验设计优化，AI基于历史研究和真实世界数据模拟不同入排标准对试验结果的影响；患者招募，通过自然语言处理解析病历并与试验入组标准自动匹配，提高招募效率；患者筛选和分层，利用影像算法与基因数据算法提供精准的分层依据；实验结果预测，基于图神经网络的预测模型整合患者特征和历史试验信息，预测试验成功率。此外，FDA推进的实时临床试验（RTCT）计划，标志着AI将助力临床试验从传统事后审查走向实时连续审评，有望缩短临床试验周期，减少后期失败的隐性成本。