← 返回首頁

先挑供者,再放大製造:ImmuneBridge以AI尋找細胞療法量產路徑

細胞能否成為更普及的藥物,關鍵也在製造起點。ImmuneBridge將機器學習用於供者篩選,結合幹細胞擴增技術,希望減少差異、提高產量;但成本與臨床效益仍待驗證。

By SURL BioNews

把活細胞製成藥物,難題往往從挑選原料就開始。不同供者的細胞,生長與功能可能各不相同;若要穩定量產,找到表現合適、又能充分擴增的來源,是一道必須跨過的門檻。舊金山生技公司ImmuneBridge正嘗試將人工智慧放進這個環節,讓供者選擇更有依據。

CBS News於10月報導了這項做法。依ImmuneBridge公開的技術說明,其機器學習模型使用涵蓋數百名供者及製程的篩選資料,目的是從造血幹細胞擴增階段取得的資訊,預測候選細胞後續表現,提早排除較弱的組合,減少投入後續分化與測試的資源。

這裡的AI用途,是協助排列實驗的優先順序。細胞最後是否具備所需功能,仍須實際檢驗。技術長Rui Tostoes在2025年5月刊於News-Medical的贊助訪談中,以自然殺手細胞(NK細胞)為例,說明團隊使用10毫升生物反應器進行小規模培養,再經體外與動物試驗,挑出針對特定適應症表現最佳的前1%至10%候選者。

篩選之後,另一個問題是如何保留足夠材料。Tostoes描述的設計,是讓入選供者的臍帶血材料一路用於後續臨床及商業製造,並以小型反應器對應較大規模製程。這種安排希望減少開發途中更換細胞來源或大幅修改培養方法的需要,讓早期實驗與量產之間更連貫。

支撐擴增的是公司專有分子IBR403。ImmuneBridge表示,它能促進造血幹細胞增殖,同時保留分化為多種免疫細胞的能力;配合生物反應器製程,公司宣稱單一臍帶血單位可產出數萬劑免疫細胞。這是企業公布的製造能力,不能直接換算成已完成治療的患者人數,也不代表這些細胞產品都已獲准使用。

目前公開資料的主要限制,在於驗證細節不足。公司雖稱模型能準確預測候選者表現,但上述來源未提供可供判讀的模型準確率、獨立測試集結果,或與既有供者篩選方法的量化比較。贊助訪談補充了製程邏輯,卻仍屬企業自身的技術敘述,尚不足以證明AI選出的細胞能帶來更好的患者療效。

從量產走到可負擔的治療,還有成本與品質兩道考驗。這些資料並未交代每劑完整成本、患者實際支付價格,或證明降價的比較結果。若這套平台要兌現普及治療的目標,接下來需要的是可重現的批次品質、放大製造後的功能資料,以及臨床安全性與療效證據;更快挑出候選者,只是這條路的起點。

References

  1. CBS News
  2. ImmuneBridge
  3. News-Medical