近年来，人工智能技术在医疗健康领域的应用不断拓展，尤其是在新药研发方面展现出巨大的潜力。Insilico Medicine公司成功利用生成式AI方法发现并设计了Rentosertib，这是一种靶向Traf2-和Nck-交互激酶（TNIK）的首创小分子抑制剂，针对治疗无有效逆转手段的特发性肺纤维化（IPF）这一顽固性疾病。近日，Rentosertib的2a期多中心随机、双盲、安慰剂对照临床试验结果在权威期刊《自然医学》上正式发表，为AI辅助药物发现开创了新的里程碑。 特发性肺纤维化是一种以进行性肺组织纤维化为特征的疾病，主要发生于老年人群，患者常表现为进行性呼吸困难、慢性咳嗽和肺功能下降。传统治疗手段仅能延缓疾病进展，无法有效逆转纤维化过程，患者中位生存期仅为2至4年。Rentosertib的研发为IPF患者带来了新的治疗希望。
该药物的发现完全依靠生成式人工智能平台，这种方法整合了生物信息学、结构生物学与药物化学，极大加快了靶点识别和候选药物筛选过程。Insilico Medicine通过其AI平台首先识别TNIK作为调控肺纤维化病理机制的关键蛋白，随后设计了具有高选择性和良好药代动力学特征的Rentosertib分子。整个从靶点发现到临床前候选药物提名的过程仅用了短短18个月，远比传统研发周期短。 2a期临床试验共涉及71名中度至重度IPF患者，分别接受30毫克每日一次、30毫克每日两次、60毫克每日一次的Rentosertib治疗，和安慰剂对照。试验主要评估安全性及治疗12周后肺功能指标，尤其是用来反映肺容积变化的用力肺活量（FVC）。研究显示，所有治疗组患者的不良事件发生率与安慰剂组相似，严重不良事件较少且分布均匀。
肝功能异常和腹泻被报告为最常见的副作用，部分病例与合并使用标准抗纤维化药物尼达尼布相关。 值得关注的治疗效果是在60毫克组，患者平均FVC增加了98.4毫升，明显优于安慰剂组平均下降的20.3毫升，且部分未接受标准治疗的患者显示更显著的肺功能改善。这一效果表明Rentosertib可能不仅仅是减缓纤维化进展，更有可能在一定程度上恢复肺功能。患者自我报告的咳嗽生活质量评分（LCQ）也在60毫克组显示出显著改善，提升了患者整体生活质量。 药代动力学分析进一步证实Rentosertib在体内的良好吸收及稳定代谢，其血浆药物暴露量与剂量呈正相关，半衰期约11小时，适合每日给药方案。蛋白质组学分析揭示随着治疗持续，患者血清多种与纤维化相关的蛋白如COL1A1、MMP10、FAP等表达显著下降，支持租特布对抗肺纤维化的分子机制。
此外，外周血蛋白组的变化与肺功能改善密切相关，这些蛋白可能作为未来疗效预测的生物标志物。 Rentosertib临床试验的成功开展不仅展示了这一新型药物的潜在价值，更验证了AI技术在药物研发中从靶点识别到候选药物设计的强大能力。相比传统研发周期长、成本高的经典流程，AI驱动策略大幅提高了效率，加速了新药从实验室走向临床的步伐。尽管目前试验规模有限，试验时间较短，仍需更大规模、更长期的多中心研究来验证租特布的疗效和安全性，但其开启了一场AI赋能药物创新的变革。 Insilico Medicine不仅是全球领先的AI药物研发公司之一，其此次研究成果也进一步确立了其在精准医学和老龄化疾病治疗领域的战略布局。未来，随着AI算法、计算能力及多组学数据的不断融合，更多类似Rentosertib这样的AI原创药物有望涌现，从根本上改善包括IPF在内的多种难治疾病患者的生命质量。
总体而言，Rentosertib的研发和临床进展体现了人工智能技术在医药领域的革命性影响。以TNIK为靶点的创新治疗策略为特发性肺纤维化患者提供了新的选择。生成式AI平台在靶点发现、药物设计及生物标志物筛选中的综合应用，有效缩短了药物开发时间并优化了候选物品质。未来，更多研究将在不同人群和更长疗程中展开，期待这一AI设计药物在治疗IPF及相关纤维化疾病的临床应用中发挥更大作用，推动肺部疾病治疗进入新时代。
