近年来，人工智能技术在医药领域的应用取得了令人瞩目的进展，尤其是在新药发现和设计方面发挥着越来越关键的作用。Insilico Medicine公司运用生成式人工智能技术，成功开发出针对特发性肺纤维化（IPF）中的新型靶点TNIK的小分子抑制剂——Rentosertib。这一成果不仅首开AI驱动药物发现和设计的先河，更在最新发布的Nature Medicine杂志中公布了其二期临床试验的积极结果，彰显了人工智能对传统药物研发方式的变革力量。特发性肺纤维化是一种渐进性肺部疾病，患者的肺组织会逐渐被纤维化组织取代，导致肺功能恶化，呼吸困难及生活质量严重下降。尽管目前已有如尼达尼布和吡非尼酮等抗纤维化药物，但这些药物主要用于减缓疾病进程，无法根治，更难以逆转肺部功能的衰退。Rentosertib的出现，为该领域带来了新的希望。
该药物通过抑制TNIK（Traf2-和Nck-相互作用激酶）这一新型蛋白激酶，干预多条纤维化和炎症相关的信号通路，针对性强且副作用较少。Insilico利用生成式人工智能技术，在短短18个月内完成从靶点发现到先导化合物设计的整个预临床阶段，远超传统药物研发周期，展示了AI技术在药物开发中的高效性和精准性。此次公开的二期2a期多中心、随机、双盲、安慰剂对照临床试验，共纳入71名符合条件的IPF患者，分为不同剂量组（30mg单次服用、30mg双次服用、60mg单次服用）和安慰剂组，治疗周期为12周。研究主要关注安全性和耐受性，同时评估药代动力学特征及肺功能指标变化。结果显示，Rentosertib在所有剂量组均表现出良好的安全性，治疗相关不良事件包括肝功能异常、腹泻和低钾血症，且严重不良事件极少，与安慰剂组表现相近。值得注意的是，60mg单次服用组的患者肺功能明显改善，尤其是强制肺活量（FVC）指标平均增加了约98.4毫升，而安慰剂组则出现了相反的下降趋势。
此结果不仅达到了临床最低具有意义的变化门槛，还显示出Dose-Response曲线的明显趋势，提示高剂量Rentosertib具有更显著的治疗潜力。此外，患者血清中的蛋白质组学分析揭示，Rentosertib能够显著下调多种与肺纤维化进展相关的生物标志物，如COL1A1、MMP10、FAP等，证明其在分子层面有效抑制了肺部纤维化的核心机制。该研究还发现，联合现有标准抗纤维化疗法的患者中，Rentosertib的疗效出现一定程度的减弱，显示出未来需要深入探索药物相互作用及合用方案的必要性。此次发表的成果代表了AI驱动靶点发现和药物设计在临床阶段取得的首个重大成功，它不仅缩短了药物研发时间，极大降低开发成本，同时为肺纤维化等重大未满足临床需求疾病提供了全新的治疗策略。随着人口老龄化加剧，IPF等老年相关疾病的治疗需求日益增长，拥有革新技术推动的靶向疗法显得尤为重要。未来，Rentosertib将进入更大规模、持续时间更长的三期临床试验，以验证其长期疗效和安全性，促进全球患者的可及性。
Insilico Medicine基于此次成功经验，计划进一步拓展AI在药物发现领域的应用，涵盖更多疾病靶点与创新药物。AI技术在药物研发中的应用正处于高速发展阶段，Rentosertib的案例为科技公司和制药企业树立了标杆，展现了数字化、智能化研发流程的强大潜力。尽管AI发现的药物临床试验失败率与传统药物相似，且第三期试验成功尚未普遍实现，但Rentosertib的研究成果证明，AI不仅能够精准筛选靶点，更能设计出具备临床价值的分子，有望引领新一轮药物研发革命。总之，Rentosertib作为全球首个成功进入临床试验阶段的AI生成TNIK抑制剂，其临床数据发表在Nature Medicine中，无疑为医药创新注入强劲动力，开启了AI赋能个性化精准医疗新时代。未来AI与生命科学的深度融合，将极大提升药物开发效率、降低研发风险，帮助更多患者获得安全有效的治愈方案。
