人工智能进入医药领域后，对监管的要求又更上一层楼。
AI对于医药的促进作用毋庸置疑，但是如何在促进的情况下，对于算法的透明度以及数据进行保护，是近年来重要的议题。
美国食品药品管理局（FDA）、欧洲药品管理局（EMA）等都已经把AI作为药品监管科学研究的重点领域。
FDA表示，在过去几年中使用 AI/ML 软件提交的药物和生物申请数量显着增加，仅在2021年就有132份申请。
近段时间以来，FDA对于AI药物研发的讨论以及文件在密集发布，未来针对该领域的监管有望出台。
关于人工智能/机器学习定义
此处FDA沿用了国际医疗器械监管者论坛（International Medical Device Regulators Forum,IMDRF）此前所发布的技术文件《Machine Learning-enabled Medical Devices:Key Terms and Definitions》中的定义。
而该文件主要参考国际标准化组织(ISO)及国际电工委员会(IEC)相关标准和其他文件，对人工智能（AI）和机器学习（ML）相关概念进行了概述。
图：AI和ML概念的概述
关于人工智能，文件中认为其是计算机科学、统计学和工程学的一个分支，它使用算法或模型来执行任务并展示学习、决策和预测等行为。而机器学习被认为是人工智能的一个子集，它使计算机具有无需明确编程的学习能力。
FDA中的AI+药物研发数据
通过在药物评估与研究中心（CDER）内部数据库中搜索关键术语“机器学习”或“人工智能”的提交文件，这些提交包括研究性新药申请（IND）、新药申请（NDA）、生物许可申请（BLA）、关键路径创新会议（CPIM）和药物开发工具计划（DDT）。
FDA发现过去几年中，使用 AI/ML 组件提交的提交数量迅速增加。在 2016 年和 2017 年，每年只能确定一份此类提交。从 2017 年到 2020 年，提交的数量大幅增加，2021年是2016年的132倍。。
其中有关临床许可的占比最高，可以看到绝大多数AI赋能的药物研发仍然处于临床前至临床阶段，另外2022年NDA/ANDA/BLA的提交正在增加。使用 AI/ML 组件增加提交的趋势符合FDA的预期，基于观察到的制药和技术行业之间越来越多的合作。
按治疗开发生命周期阶段的分布来看，在这些提交中，大多数AI/ML应用发生在临床药物开发阶段，但它们也发生在药物发现，临床前药物开发和上市后阶段。值得注意的是，在向FDA提交的监管文件中提及AI/ML的频率可能仅代表其在药物发现中日益广泛使用的一小部分。
肿瘤学仍然是AI药物研发的主要领域，其次是精神病学、肠胃领域以及神经病学也是重点关注领域。
最后，FDA的专家也提到了，底层数据从根本上决定了AL方法优劣与否，AI一样有非常大的局限性。
o 缺乏用于开发和测试的数据
o 识别和缓解数据集中的偏差
o 由于数据集偏移导致的泛化不佳，过度拟合混杂因素
• 黑盒算法
• 确保对用户的透明度
• 为自适应算法提供监督/治理
• 需要在某些领域明确监管
我国的进展
近年来，美国食品药品管理局（FDA）、欧洲药品管理局（EMA）等都已经把AI作为药品监管科学研究的重点领域。
药物研发是我国AI应用领域的关键场景之一。近年来，相关法律法规的陆续出台，彰显了我国积极迎接数字化转型变革，不断探索科学监管新工具、新标准和新方法的决心。
2020年12月，国家药监局药品审评中心（CDE）发布《模型引导的药物研发技术指导原则》；2021年4月，CDE发布《用于产生真实世界证据的真实世界数据指导原则（试行）》, 这两个指导原则分别针对药物研发模型开发和真实世界数据治理两个重要AI应用场景进行规范。
2021年7月，CDE发布了《以临床价值为导向的抗肿瘤药物临床研发指导原则》，进一步明确和提高了国内创新药的研发定位和上市要求。同时，国家不断出台人工智能产业的相关规划，鼓励人工智能技术与实体经济的融合。
2022年1月工信部等九部门联合印发的《“十四五”医药工业发展规划》指出，立足新发展阶段，完整、准确、全面贯彻新发展理念，构建新发展格局，落实制造强国战略，全面推进健康中国建设，加快创新驱动发展转型，培育新发展新动能，推动产业高端化、智能化和绿色化，构筑国际竞争新优势，健全医药供应保障体系，更好满足人民群众多元化、多层次的健康需求。
2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》（以下简称《规划》）。《规划》提出，到2025年，基本形成横向打通、纵向贯通、协调有力的一体化推进格局，数字中国建设取得重要进展。数字基础设施高效联通，数据资源规模和质量加快提升，数据要素价值有效释放，数字技术创新实现重大突破，应用创新全球领先等一系列规划目标。
参考链接：
《Application of Artificial Intelligence and Machine Learning in Drug Development and Precision Medicine》Hao Zhu, Ph.D., Mstat Division of Pharmacometrics，FDA/CDER/OTS/OCP
深入开展监管科学研究 积极迎接数字化转型 “人工智能+药物研发”推动监管领域创新
