您所在的位置: 成果库 基于多模态生物数据的 AI 辅助新药发现与临床试验优化平台

基于多模态生物数据的 AI 辅助新药发现与临床试验优化平台

发布时间: 2025-08-26

基本信息

合作方式: 技术转让
成果类型: 发明专利
行业领域:
生物与新医药技术,医疗仪器技术、设备与医学专用软件
成果介绍
针对传统药物研发周期长(平均 10 年)、成功率低(不足 10%)、成本高(单药研发成本超 20 亿美元)的行业痛点,研发团队构建了融合基因组学、蛋白质组学、医学影像及真实世界数据的多模态 AI 平台。该平台突破了 “靶点预测 - 化合物设计 - 临床试验匹配” 全链条技术瓶颈,实现新药研发关键环节效率跃升:候选化合物筛选周期从 6 个月缩短至 2 周,临床试验受试者招募时间缩短 40%,早期研发成本降低 35%。目前已完成 3 个抗肿瘤候选药物的靶点验证,其中 1 个进入 Ⅰ 期临床,与 2 家头部药企达成合作协议。
成果亮点
1. 首创 “知识图谱 + 深度强化学习” 双引擎算法,整合 20 万 + 小分子化合物库与 1.2 亿条临床病例数据,靶点预测准确率达 89%(行业平均 65%); 2. 开发生成式 AI 化合物设计模块,可定向生成符合类药五规则的新型分子,专利申请量较传统方法提升 3 倍; 3. 构建临床试验动态匹配系统,通过患者表型特征实时优化入组标准,脱落率降低至 5% 以下; 4. 采用联邦学习架构,在保护数据隐私前提下实现多中心数据协同训练,已接入 30 家三甲医院的临床数据节点。
团队介绍
1. 李教授(带头人):某医科大学药学院院长,国家 “万人计划” 领军人才,从事计算药理学研究 20 年,主持国家重大新药创制专项 4 项,发表 Nature 子刊论文 12 篇,主导研发 2 个一类新药进入临床; 2. 张工程师(技术负责人):某智能科技公司首席算法官,前谷歌 DeepMind 团队核心成员,主导开发 3 个 AI 药物研发算法模块,拥有国际专利 8 项; 3. 团队共 28 人,涵盖计算生物学、临床医学、人工智能等领域,博士学历占比 70%,形成 “算法研发 - 湿实验验证 - 临床转化” 闭环分工,合作稳定(共同研发 5 年)。
成果资料
产业化落地方案
点击查看