近年来，人工智能（AI）技术正迅速革新生物医药领域，带来了药物研发的根本性变革。Insilico Medicine作为AI驱动药物发现的先锋企业，最新宣布其基于AI生成技术设计的创新药物Rentosertib获得重大进展。该靶向药物专门针对特发性肺纤维化（IPF）这一严重的进展性肺疾病，通过一项随机双盲、安慰剂对照的多中心2a期临床试验，证明了其安全性和早期疗效。成果已于2025年6月发表在权威期刊《Nature Medicine》，为AI在药物研发中的应用树立了新的里程碑。特发性肺纤维化是一种目前无治愈方案的慢性肺部疾病，以肺间质纤维化和功能持续恶化为特点，患者生命质量极大受损，平均存活期限仅有2至4年。传统治疗方法主要是通过尼达尼布和吡非尼酮等药物减缓病程进展，但尚无有效方案逆转病理过程。
Rentosertib作为AI首次发现的Traf2-和Nck相互作用激酶（TNIK）抑制剂，精准靶向病理相关核心信号通路，开辟了肺纤维化治疗的新方向。Insilico利用深度学习和生成化学技术，从疾病靶点识别到候选物设计仅用了18个月时间，极大压缩了传统新药研发所需的数年周期。该药物在早期0/1期临床试验中展现出良好安全性和药代动力学特征，为后续临床研究奠定了坚实基础。最新公布的2a期临床结果显示，租托昔替布（Rentosertib）在不同剂量组中，患者出现治疗相关不良事件的比例与安慰剂组相比无显著增加，且不良事件多为轻中度，常见包括肝功能异常、腹泻及低钾血症。尤其在最高剂量60mg每日一次组，患者肺活量（FVC）有统计学显著提升，且不良反应具备良好的可控性。此项临床试验涵盖71例患者，分别接受30mg每日一次、30mg每日两次、60mg每日一次及安慰剂治疗。
治疗12周后，60mg组FVC的平均变化为+98.4毫升，远超安慰剂组的-20.3毫升，表明该疗法有潜力改善肺功能。基于药代动力学分析，高剂量组患者血浆中药物暴露度明显增加，且治疗时间延长促进药物累积，显示出稳定的代谢动力学特征。更值得注意的是，血清蛋白组学分析显示，Rentosertib能显著调控与纤维化及细胞外基质重塑相关的多个标志蛋白，如COL1A1、MMP10、FAP及FN1等，这些蛋白的下降与肺功能改善呈负相关，暗示抑制TNIK不仅仅是靶向单一机制，更广泛调节了纤维化病理网络。研究还发现，部分患者在合用现有标准抗纤维化药物时，肝毒性风险有所增加，提示未来需要进一步明确不同药物间的相互作用。尽管试验样本量有限，且持续时间较短，但此次结果在安全性和潜在疗效方面均令人振奋，支持Rentosertib进入更大规模、更长期的临床试验。作为全球首个完全依托生成式AI平台从靶点发现到药物设计并进入临床的靶向候选药物，Rentosertib的诞生标志着AI技术在加速药物研发、降低成本和挖掘疾病新机制上的巨大潜力。
传统新药研发历经十余年、耗资数十亿美元，而此次项目将周期压缩至2年以内，大大缩短了从研发到临床验证的路径。Insilico通过整合机器学习、深度药物设计及多组学数据解析，实现了疾病机制的精准洞察和高效小分子化合物筛选，为未来更多疾病开发新疗法提供了范例。肺纤维化疾病的复杂性和多因素驱动特性，要求治疗策略不仅仅局限于传统单一靶点抑制，而是需要高精度、多靶点的分子干预。Rentosertib通过靶向TNIK这一关键调控因子，有望阻断纤维细胞增殖、炎症和基质重塑的正反馈循环，为患者带来功能恢复和生活质量提升的可能。此外，面对人群老龄化和肺纤维化发病率的增加，创新疗法的紧迫性也日益突出。Insilico团队表示，将继续开展更大规模的多中心临床试验，探讨Rentosertib的长期安全性、疗效持久性及与现有治疗方案的联合效果，力争实现该药物的临床获批和广泛应用。
整体来看，Rentosertib的研究不仅彰显了人工智能赋能药物研发的巨大潜力，也标志着精准医疗向智能化、自动化跨越发展的新阶段。在未来，借助AI驱动的生物医药创新，有望攻克更多尚无良策的复杂疾病，造福更广泛的患者群体。随着技术不断进步和实践经验积累，药物研发效率的提升和候选药物成功率的提高将推动整个生命科学产业迈上新的台阶。Insilico在此领域的突破充分展现了AI融合临床学科多维数据，洞察疾病深层机制、发现新药靶点和设计高效候选分子的独特优势。Rentosertib的临床成果为工业界和学术界提供了极具价值的示范作用，激励更多跨学科合作和AI创新应用，推动医学变革走向深入。展望未来，借助以人工智能为核心驱动力的药物发现平台，制药行业将迎来更快、更智能、更精准的新时代，为患者带来更有效、更安全的治疗转机。
。
