這是2018年底不到1歲的女兒被確診為Coffin-Siris綜合征（CSS，一種罕見的多重發(fā)育障礙）時，河北人陳利偉向醫(yī)生拋出的第一個問題。彼時，醫(yī)生給出的回答是“尚無有效的治療方式，以對癥治療和康復(fù)為主”。如今，女兒已經(jīng)7歲，他們依然沒有等到有效的治療方案。

　　像陳利偉女兒這樣的面臨著“無藥可用”困境的罕見病患者并非孤例。罕見病是指發(fā)病率極低、患病總?cè)丝跀?shù)極少的疾病。目前，我國兩版罕見病目錄納入207種罕見疾病，而公開數(shù)據(jù)顯示，全世界已發(fā)現(xiàn)7000多種罕見病，但僅5%有明確治療方案。

　　如何讓罕見病患者走出“無藥可用”的陰影？每年2月的最后一天是國際罕見病日，澎湃新聞記者就此采訪了醫(yī)生、患者、藥企、行業(yè)專家等多方人士。業(yè)內(nèi)普遍認(rèn)為，解決罕見病不只是研發(fā)一個環(huán)節(jié)的問題，而需要全系統(tǒng)的支持。值得關(guān)注的是，如今大火的AI（人工智能）在助力罕見病藥物研發(fā)、患者發(fā)現(xiàn)等多方面被寄予極大期待。

　　對罕見病患者或家屬而言，“信息荒”往往是第一道坎。陳利偉在女兒確診CSS后，能從網(wǎng)絡(luò)搜到的資料“只有兩三行”，直到現(xiàn)在相關(guān)公開信息也沒有太多增量。他著急，但也理解背后的不易：CSS包括12個分型，到底哪個基因有特殊性，這些都還不知道，“就算要砸錢研發(fā)，也需要有個方向，現(xiàn)在的問題是方向還沒有明確”。

　　從2018年底聯(lián)系到第一位國內(nèi)CSS患者，陳利偉這些年始終在努力建設(shè)并維系CSS的病友社群，目前已經(jīng)有約三百人。除了抱團取暖、互相鼓勵，他也希望，如果未來有醫(yī)生或研究者想研究這個罕見病了，他們可以分享多年搜集積累到的一手信息，進而推動藥物的研發(fā)進程。

　　對罕見病了解少的不只是患者或家屬，還有臨床醫(yī)生。浙江大學(xué)醫(yī)學(xué)院附屬第一醫(yī)院心內(nèi)科主任醫(yī)師嚴(yán)卉已經(jīng)從醫(yī)20多年。她告訴記者，以前法布雷?。ㄒ环N罕見的遺傳性溶酶體貯積癥）只在教科書上看到過。由于缺少酶學(xué)及基因檢測等手段，醫(yī)生很長一段時間都覺得這種病離自己的臨床工作很遠(yuǎn)。直到2021年診斷出第一例法布雷病患者后，她開始意識到，這種罕見病并沒有那么罕見，可能只是散落在心內(nèi)科常見病的征象中，沒有被醫(yī)生識別出來。

　　與其他藥物一樣，罕見病藥物上市前需要經(jīng)過一系列臨床試驗，但由于患者基數(shù)少、患者發(fā)現(xiàn)難，招募患者成為一道現(xiàn)實門檻。嚴(yán)卉及其團隊近年來正在開展的一些罕見病創(chuàng)新療法臨床試驗，如果只在浙江省招募患者是絕對不夠的，因此需要全國招募，這樣罕見病臨床研究開展起來不僅難度高，成本也更高。但每次招募，都受到了全國患者的積極響應(yīng)。

　　“哪怕一些罕見病當(dāng)前已經(jīng)有藥可用了，但站在醫(yī)生的立場，kaiyun官網(wǎng)中國 開云從來不會嫌治病救人的工具多，希望越來越多更有效的罕見病藥物被研發(fā)出來，給醫(yī)生更多選擇，也給患者更多希望?！眹?yán)卉表示。

　　AI有望加速罕見病藥物的研發(fā)進程。沙利文大中華區(qū)高級咨詢經(jīng)理汪鵬向澎湃新聞記者表示，首先，AI能快速分析大量化合物，預(yù)測其與靶點的相互作用，加速藥物篩選。其次，通過深度學(xué)習(xí)，AI優(yōu)化藥物分子結(jié)構(gòu)，提升療效并減少副作用。再者，AI分析基因組、蛋白質(zhì)組數(shù)據(jù)，幫助發(fā)現(xiàn)新藥物靶點和生物標(biāo)志物。此外，AI模擬臨床試驗，預(yù)測藥物效果和安全性，降低失敗風(fēng)險。這些應(yīng)用不僅提高了研發(fā)效率，還提升了藥物的安全性和有效性。

　　對于已經(jīng)有藥的罕見病，可能面臨“企業(yè)拿著藥找不到患者”或“患者確診后找不到藥”的矛盾。對此，AI也展示出一定的潛力。據(jù)科技日報，美國賓夕法尼亞大學(xué)科學(xué)家開發(fā)出一款新型AI工具，在梳理了4000種現(xiàn)有藥物后，這款A(yù)I工具為一名特發(fā)性多中心型Castleman病患者找到了救命藥物。

　　站在臨床醫(yī)生的角度，如何更精準(zhǔn)地找到罕見病患者至關(guān)重要。近期，北京協(xié)和醫(yī)院與中國科學(xué)院自動化研究所共同研發(fā)的“協(xié)和·太初”罕見病AI大模型正式進入臨床應(yīng)用階段。該模型以我國罕見病知識庫和中國人群基因檢測數(shù)據(jù)為支撐，是國際上首個符合中國人群特點的罕見病大模型，能幫助醫(yī)生更加準(zhǔn)確快捷地識別診斷罕見病，破解罕見病診療同質(zhì)性差的難題。

　　嚴(yán)卉認(rèn)為，AI不能完全取代醫(yī)生，但在臨床工作中確實有一定的輔助作用。比如，ATTR淀粉樣變患者的首診科室不一定是心內(nèi)科，而是消化科、骨科、神經(jīng)科等其他科室。如果醫(yī)院有AI系統(tǒng)，可以通過某些指標(biāo)提醒接診醫(yī)生，患者存在某些罕見病的可能，可考慮聯(lián)合其他科室的醫(yī)生會診，這就有助于疾病的早發(fā)現(xiàn)。在罕見病的基礎(chǔ)研究方面，“我們正在與科研團隊合作共同研究法布雷病的發(fā)病機制，其中就有AI的參與”，借助AI算法，通過分析法布雷病患者基因數(shù)據(jù)庫，鎖定潛在治療靶點，3年到5年內(nèi)可完成藥物研發(fā)。

　　需要注意的是，AI并非萬能工具。汪鵬指出，靶點發(fā)現(xiàn)難度大：80%的罕見病為遺傳性疾病，基礎(chǔ)研究相對薄弱，許多疾病缺乏成熟的動物模型和研究數(shù)據(jù)，致病機制復(fù)雜且異質(zhì)性強，這使得靶點發(fā)現(xiàn)和驗證成本極高。新技術(shù)如基因測序和AI輔助分析雖有所突破，應(yīng)用仍處于初期階段，未能廣泛普及。

　　上海市衛(wèi)生和健康發(fā)展研究中心主任金春林認(rèn)為，罕見病的治療情況可以從三個方面來歸納，一是“病有所醫(yī)”，二是“醫(yī)有所藥”，三是“藥有所?！薄：币姴〉谋Ｕ象w系對企業(yè)的投入起到了很大的推動作用。

　　金春林分析，罕見病患者的數(shù)量不像慢性病或腫瘤那樣龐大，一旦投入進去，如何確?；厥帐且粋€重要問題。目前的情況是，如果一個罕見病的高價藥沒有醫(yī)?；蛏瘫８采w，那其使用人群就非常有限。很多證據(jù)表明，最終接受治療的罕見病患者數(shù)量與實際患病人數(shù)之間存在很大的差異，這主要是因為許多患者缺乏支付能力，因此沒有得到治療。支付制度的覆蓋對企業(yè)的投資決策具有重要影響。kaiyun官網(wǎng)中國 開云如果罕見病藥物投入后，相關(guān)的沉沒成本已經(jīng)支付，只有最大限度地應(yīng)用這些藥物，才能真正發(fā)揮其最大價值。

　　汪鵬也指出，近年來，全球罕見病藥物研發(fā)政策展現(xiàn)出系統(tǒng)化、差異化和多維度支持的特點，平衡企業(yè)研發(fā)動力與患者可及性，推動這一特殊領(lǐng)域的發(fā)展。政策創(chuàng)新正在重構(gòu)罕見病藥物研發(fā)的經(jīng)濟模型，未來將實現(xiàn)患者可及、企業(yè)可持續(xù)和醫(yī)保可承受的目標(biāo)，為攻克罕見病提供制度保障。

　　可以看到，在政策的引導(dǎo)下，已經(jīng)有國內(nèi)外藥企在加碼布局罕見病賽道。金春林向澎湃新聞記者表示，以前傳統(tǒng)的觀念認(rèn)為，罕見病患者少，投入回收慢，藥企不愿意投入，但這幾年有了一些變化。比如，美國FDA批準(zhǔn)的新藥中接近50%的首發(fā)適應(yīng)證是罕見病。罕見病藥物審評審批的條件放寬了，很多藥物可以通過單臂試驗就批準(zhǔn)，而不需要做嚴(yán)格的隨機對照試驗，這樣可以節(jié)省時間和成本。

　　金春林進一步介紹，很多罕見病藥物獲批后，適應(yīng)證會擴大，企業(yè)的盈利往往來自擴大適應(yīng)證后的市場，而不是罕見病本身。即使最初的收入來自罕見病患者，后續(xù)的盈利也會從更廣泛的適應(yīng)證中補回來。這也是罕見病藥物的研發(fā)投入在企業(yè)中越來越熱的原因之一。

　　意大利制藥企業(yè)凱西中國總裁兼總經(jīng)理鄧浩青表示，由于罕見病的發(fā)病率低、種類繁多，面臨診斷困難、治療手段有限、藥物研發(fā)成本高、數(shù)據(jù)采集困難等問題。因此，罕見病藥物研發(fā)在入組患者、治療和管理，乃至商業(yè)化環(huán)節(jié)全鏈條都面臨各種挑戰(zhàn)。感謝國家對于罕見病的大力關(guān)注和政策支持，為凱西罕見病產(chǎn)品的在華加速落地并更快地惠及患者提供了堅實的基礎(chǔ)。

　　也有藥企高管向記者表示，通常藥企會選擇與自身現(xiàn)有管線存在關(guān)聯(lián)的領(lǐng)域切入罕見病領(lǐng)域。罕見病數(shù)量多，不是一家或幾家企業(yè)的投入就足夠，而需要基礎(chǔ)科研、臨床和政策研究的專家學(xué)者，以及藥企、信息化系統(tǒng)企業(yè)、診斷企業(yè)等多方面的共同努力來推動。