采访嘉宾：

欧阳教授自2011年起专注于计算药剂学研究，在国际上先锋性地将人工智能大数据和多尺度模拟技术应用于药剂学。主编了在计算药剂学研究领域的第一本学术专著《Computational Pharmaceutics》（John Wiley＆Sons Inc.，2015）。他已出版2本专著，5个章节，发表了超过70篇SCI期刊论文和90个受邀演讲。他获得5项专利技术，且已在市售药品中应用。他受邀担任《In Silico Pharmacology》（Springer Nature）的主编和《Drug Delivery and Translational Research》的副主编，还担任《Asian Journal of Pharmaceutical Sciences》和《Pharmaceutical Research》的编委和《Journal of Pharmaceutical Sciences》的科学顾问。目前已建立了全球第一个药物制剂人工智能平台（pharmes.computpharm.org）。担任国际计算药学协会（CPhS）首任主席，与中国、英国、澳大利亚和世界各地的工业界、学术界、政府机构和专业机构建立了广泛且紧密的网络。

以下为ISQP组委会对欧阳德方教授的访谈

组委会：

       大家好，今天我们非常荣幸的请到了欧阳德方教授。欧阳教授是计算药剂学领域的开拓者，主要研究方向有：药物制剂人工智能、药物制剂多尺度模拟及药物信息学。欧阳教授先锋性地提出了AI（人工智能）+ MD（分子动力学）+PBPK（生理药动学模拟）多技术结合的方案，以实现药物剂型处方虚拟筛选，并成功应用到剂型设计中，提供了药剂处方开发的新思路。

欧阳教授作为具有工业界及学术界背景的复合型人才，您觉得目前传统制剂领域的难点及瓶颈在哪呢？

欧阳德方：

       目前传统的制剂研发手段，多依赖于专家经验及试验试错的方法。研发人员根据药物分子和辅料有限的化学性质做出有限的推断，并用体外实验进行简单的试错，然后进行体内验证，不断重复此循环直至获得合格的制剂处方。此方法的缺点也是不言而喻，单纯依赖实验试错耗费了大量的时间与金钱，而经验指导的处方设计能够覆盖到的化学空间相当局限，严重制约了制剂领域的发展。

       2013年诺贝尔化学奖获奖者曾说过：“今天，化学家应该将计算机视为试管一样重要的工具。”在过去的三十年里，计算机辅助方法改变了药物设计的范式；而现在，计算方法亦将颠覆传统药剂研发领域。过去的十年里，我们研究团队将人工智能算法用于预测药剂处方，同时将分子模拟、PBPK和数学模型从多个尺度模拟研究药物制剂的制备与体外情况，从而为药物在体外和体内的变化过程提供解释机制，让我们从一个全新的角度去进行药物制剂开发。另外，在药物的工业化生产阶段，生产过程可以用CFD和DEM方法进行制造过程模拟，且整个生产过程可被数字化监控。总而言之，得到计算方法支持的制药业，将有望完成蜕变，进入“制药4.0”时代。

组委会：

谢谢欧阳教授，简明扼要又一针见血地指出目前传统制剂领域的瓶颈。在您看来，想要突破上述瓶颈的方法是引入计算方法，但目前计算药剂学作为一个新兴的学科和研究领域，您认为计算药剂学在未来的发展中会面临哪些挑战呢？

欧阳德方：

       这个问题相当尖锐，但也正是我们所关心的问题。在我看来，主要可以总结为以下四点。

第一，是缺乏合适的计算工具：目前缺乏适合制药科学家简便易用的计算工具，并且各个计算工具之间缺乏有效联系，很难被制药研究人员直接使用。另外单一的计算方法来研究药剂学问题，仅能获得部分零散信息，而整合多尺度的模型可以提供更加全面且详细的数据，才能更加有效地加速药剂开发。然而，如何搭建好融合多尺度模型的计算工具，是解决这个问题的关键。

第二，是数据的来源与共享难题：随着药物剂型的特殊化和复杂化，需要大量可靠数据用于训练AI模型以保证预测的精度。在实际中，由于药物配方数据大都存放于公司内部数据库，形成一个个数据孤岛，数据隐私、数据所有权和数据结构的异质性都是阻碍数据共享的障碍。如何应用一些新算法在不披露底层数据的前提下实现AI模型的训练将有望解决数据共享难题。

第三，是专业人才培养难题：计算药剂学是一个由计算机及药剂学复合而成的交叉学科。由于计算药剂学仍处于起步阶段，既有计算背景又有制药背景和经验的人才相当稀缺。为改善这种状况，有必要制定涵盖本科、研究生甚至博士生阶段的相关教育计划。自2015年起，我在澳门大学为研究生开设了一门全新课程“计算药学”，深受学生的喜爱。此外，我们在2020年成立了国际计算药学学会，意图给本领域研究人员提供一个可以相互交流的平台，为计算药学人才的培养提供土壤。

第四，是制药行业的文化变革难题： CADD技术中的A是aided 的缩写，这表明了在以往的新药发现研究中，仍然是计算机辅助设计，实验筛选、验证为主的行业范式。而现在计算药剂学强调的是从“计算机辅助（computer aided）” 到“计算机驱动（computer driven）”的转变，也就是说药剂研究要从传统以实验试错为主的研发范式，转变成计算机虚拟筛选药物配方结合实验验证的研发范式。这样的颠覆性转变在制药行业的接受仍然需要时间。

组委会：

谢谢欧阳教授的深度解读，诚然计算药剂学作为一个新兴学科，定会面临不少挑战，欧阳教授在分析潜在难题的同时也给出了不少个人见解及破局之道，给我们留下不少思考的空间。在最后，我想问问欧阳教授，对计算药剂学这一领域的未来发展有何建议？以及中国制药业如何参与到国际竞争中去？

欧阳德方：

在我看来，计算驱动的配方设计（computer driven formulation design）是未来十年的主要发展方向。在药学领域，有反摩尔定律（Eroom’s Law）这一说法，指的是投资 10 亿美元得到的上市新药数目每 9 年就减少一半，这一直是制药行业的痛点。而计算药剂学有望成为制剂处方与递送系统研发的颠覆性变革手段，大幅降低药剂研发的时间投入和成本投入，一旦成功落地将给制药行业带来变革性发展。

在传统的制剂领域，尽管我们尽力追赶，与国际上的大药企相比，仍然存在一定的差距。但值得注意的是，AI作为新兴技术，中国和其他国家处在同一起跑线上，随着发展可能会处在领先位置，甚至成为全球的领导者。比如说在过去的十年里，我们研究团队首先开发了全世界第一个药物制剂人工智能平台和相关的计算方法，现在也同国内外产业界紧密合作，以实现从学术成果到技术转化，从而为中国制药界的腾飞做出自己的贡献。我坚信计算药剂学的未来发展，这也是我投身其中的终生事业，也非常欢迎感兴趣的各界人士可以加入到计算药剂学的发展中来。谢谢！

组委会：

非常感谢您的独特深刻简介，也非常期待您在2021年11月6日ISQP大会第四分会“纳米和吸入制剂的临床高效开发及建模与模拟和AI技术的应用策略探索”中进行的题为“计算药剂学-从分子模拟、PBPK模拟到人工智能”的精彩报告，我们ISQP大会见。

刘会臣 主任药师

长期从事临床药理研究与药物临床试验，主持完成百余项新药人体耐受性试验、药代动力学试验、生物利用度与生物等效性试验。发表科研论文170余篇。兼任中国医药质量管理协会临床研究质量与评价专业委员会副主任委员、中国药理学会分析药理学专业委员会委员、中国药学会医药生物分析专业委员会委员、国家食品药品监督管理局药品审评中心药品注册审评专家咨询委员会委员等。参与“药物Ⅰ期临床试验管理指导原则”、“药物临床试验生物样本分析实验室管理指南”、“以药动学参数为终点评价指标的化学药物仿制药人体生物等效性研究技术指导原则”等的制定工作。

ISQP重要时间：
        2021年9月30日                优惠注册截止日期
        2021年12月5日-6日         大会正式议程（含现场注册）
        2021年12月7日                东亚论坛（线上会议）
        2021年12月25日-12月4日   会前和会后培训班
大会网站： https://isqp2021.sciconf.cn