هوش مصنوعی در بازار کشف دارو با رشد 42.4 درصدی به 28.4 میلیارد دلار تا سال 2030 رسید، پروژههای بینش بازار Univdatos
- ویكاس كومار
- ژوئیه 30، 2024
- مراقبت های بهداشتی, اخبار
- هوش مصنوعی در کشف دارو, کشف داروی ضد سرطان, هوش مصنوعی
- 0 نظرات
نکات کلیدی گزارش:
- کشف و توسعه دارو (D&D) پرهزینه و زمان بر است. طبق گزارشهای ژورنالهای صنعتی، متوسط هزینه کشف و توسعه درمانهای دارویی جدید 2.6 میلیارد دلار و چرخه توسعه بیش از 10 سال است. اکثر درمانهای کاندید در اوایل کارآزمایی بالینی، بهویژه در آزمایشهای پیش بالینی و فاز 1، به دلیل محدودیت قیف آزمایش توسعه که مستقیماً بر هزینههای بالا و چرخههای توسعه طولانی تأثیر میگذارد، کنار گذاشته میشوند.
- راهحلهای هوش مصنوعی در آزمایشهای بالینی، گلوگاههای بالقوه را حذف میکنند، چرخه کارآزمایی بالینی را کوتاه میکنند و کارایی و دقت کارآزماییهای بالینی را بهبود میبخشند. در نتیجه، این راه حل های پیشرفته هوش مصنوعی به طور فزاینده ای در بین بازیگران صنعت علوم زیستی محبوب می شوند. بر اساس برآوردهای سال 2021 از Clinical Trials Arena، تعداد اتحادها و مشارکت های استراتژیک بین چهار شرکت برتر مبتنی بر هوش مصنوعی در زمینه کشف دارو و شرکت های دارویی از 4 مورد در سال 2015 به 27 در سال 2020 افزایش یافته است.
- فضاهای تحقیقاتی زیست پزشکی و بالینی به طور فزاینده ای دیجیتالی می شوند و راه را برای راه حل های هوش مصنوعی هموار می کنند. حجم وسیعی از داده های تولید شده در فرآیندهای کشف دارو، از جمله در مرحله غربالگری مولکول ها و در مطالعات پیش بالینی، تقاضا برای راه حل های مبتنی بر هوش مصنوعی را افزایش می دهد.
طبق گزارش جدید Univdatos Market Insights، هوش مصنوعی در بازار کشف داروانتظار می رود با رشد CAGR 28.4 درصدی به 2030 میلیارد دلار در سال 42.4 برسد. کشف و توسعه یک کاندید درمانی جدید یکی از پر زحمت ترین و زمان برترین فرآیندها در جهان است. بزرگترین مشکل D&D نرخ بالای ساییدگی است. این تا حد زیادی به دلیل رویکرد آزمون و خطا مورد استفاده برای کشف دارو است. کمتر از 1 درصد از سرنخ های دارویی دارویی به داروی کاندید برای آزمایشات بالینی تبدیل می شوند. کارشناسان تخمین میزنند که تقریباً 90 درصد از داروهایی که در این آزمایشها مورد بررسی قرار میگیرند، در چرخه توسعه پیشرفت نمیکنند. این منجر به هزینه های بالایی می شود. یک داروی تجویزی معمولاً 10 تا 15 سال طول می کشد و به طور متوسط 1 تا 2 میلیارد دلار هزینه دارد تا از یک بنگاه به بازار عرضه شود. حدود یک سوم هزینه های فوق در مرحله کشف دارو انجام می شود. برای رسیدگی به این چالشها، مانند افزایش سرمایه مورد نیاز و شکست برنامه در مراحل آخر، شرکتهای داروسازی در حال بررسی استفاده از ابزارهای مبتنی بر هوش مصنوعی برای بهبود فرآیندهای کشف و توسعه دارو با استفاده از اطلاعات شیمیایی و بیولوژیکی هستند. انتظار میرود که کشف داروی هوش مصنوعی بتواند مقادیر زیادی از دادههای بالینی/پزشکی را پردازش و تجزیه و تحلیل کند و از آن برای بهبود تلاشهای کشف داروی مدرن استفاده کند.
باز کردن Insights در هوش مصنوعی در بازار کشف دارو - https://univdatos.com/get-a-free-sample-form-php/?product_id=4910
این گزارش نشان می دهد که فرآیند پرهزینه و طولانی تحویل دارو یکی از عوامل اصلی محرک هوش مصنوعی در بازار کشف دارو در سال های آینده است. تولید داروی جدید معمولاً 10 تا 15 سال طول می کشد و هزینه متوسط آن تا 2.8 میلیارد دلار است. 80 تا 90 درصد شکستهای دارویی در کلینیک اتفاق میافتد که آزمایشهای PoC فاز II اکثر شکستهای بالینی را تشکیل میدهند. در حالی که تعداد NME های تایید شده توسط آژانس های نظارتی مانند FDA ایالات متحده در دهه گذشته (2010-2019) نسبت به دهه قبل افزایش یافته است، هزینه ارائه یک داروی جدید به بازار به میزان قابل توجهی افزایش یافته است. عوامل کلیدی که در افزایش هزینههای نوآوری دارویی نقش دارند عبارتند از سرمایهگذاری از دست رفته ناشی از فرسایش بالینی در مراحل پایانی، یک رژیم نظارتی سختگیرانهتر که نوار تأیید بالایی را تعیین میکند، و هزینههای کارآزمایی بالینی را افزایش میدهد، بهویژه برای آزمایشهای محوری. این عوامل باعث نوآوری و پذیرش فناوری های جدید توسط شرکت های داروسازی و بیوتکنولوژی برای بهبود بهره وری، کاهش هزینه ها و تضمین پایداری طولانی مدت می شود.
از هر 5,000 تا 10,000 ترکیب تنها یک مورد به عنوان کاندید دارویی برای شرایط خاص در فرآیند کشف دارو تایید می شود. Al in Drug Discovery این پتانسیل را دارد که زمان و هزینه عرضه داروهای جدید را به بازار کاهش دهد. همچنین پتانسیل کشف درمانهای جدید برای شرایطی را دارد که قبلاً هدفگیری آنها سخت بود.
شکل 1: کشورهای برتر برای هوش مصنوعی در استارت آپ های کشف دارو، 2021
چندین بازیگر در این بازار در حال ساختن پلتفرم هایی هستند که می توانند به کشف دارو کمک کنند. مثلا،
- Google Cloud در می 2023 دو راهحل جدید مبتنی بر هوش مصنوعی را راهاندازی کرد: مجموعه شناسایی هدف و سرب و مجموعه Multiomics، که برای کمک به شرکتهای کشف دارو، شرکتهای داروسازی و سازمانهای بخش دولتی طراحی شدهاند تا به طراحی دارو و تلاشهای پزشکی دقیق خود کمک کنند. مجموعه شناسایی هدف و سرب طراحی داروی کارآمدتری را در سیلیکون ممکن میسازد، ساختارهای پروتئینی را پیشبینی میکند و بهینهسازی سرب را در کشف دارو تسریع میکند. دو مجموعه Google Cloud مجهز به هوش مصنوعی به حل یک مشکل طولانی مدت در بیوفارما کمک می کند: آوردن یک داروی جدید به بازار ایالات متحده، که می تواند زمان بر و پرهزینه باشد. چندین شرکت از جمله فایزر بیگ فارما قبلاً استفاده از این محصولات را آغاز کرده اند.
- در مارس 2023، Insilico Medicine یک ویژگی چت تخصصی هوش مصنوعی، "ChatPandaGPT" را به پلتفرم PandaOmicms خود اضافه کرد. این ادغام به محققان اجازه میدهد تا «مکالمههای زبان طبیعی» با این پلتفرم داشته باشند، که به آنها اجازه میدهد مجموعههای داده بزرگ را تجزیه و تحلیل کنند و هدف درمانی و نشانگرهای زیستی بالقوه را به طور مؤثرتری کشف کنند.
بخش انکولوژی با حداکثر کشش در بازار
کشف داروی انکولوژی با هوش مصنوعی، کشف داروی ضد سرطان را تسریع می کند. انتظار می رود که بخش کشف داروهای انکولوژی در آینده نزدیک رشد کند زیرا بروز سرطان در حال افزایش است. انجمن سرطان آمریکا در سال 2022 تخمین می زند که سرطان با بیش از 609,360 مورد سرطان جدید که تا سال 2022 پیش بینی می شود، دومین عامل اصلی مرگ و میر در ایالات متحده است. هوش مصنوعی کشف دارو برای داروهای ضد سرطان را از طریق یادگیری ماشینی و استفاده از الگوریتمهای یادگیری عمیق تسریع میکند. با کمک یادگیری عمیق، می توان کاندیداهای دارو را در ساختار مولکولی de novo طراحی کرد و واکنش های آنها را پیش بینی کرد. طبق یک مطالعه در سال 2022 که در Nature منتشر شد، هوش مصنوعی در شناسایی داروهای جدید و هدف ضد سرطان از شبکههای بیولوژیکی مفید است. شبکههای بیولوژیکی به حفظ و ارزیابی تعاملات بین اجزای سلولهای سرطانی کمک میکنند. مدلسازی شبکه سلولی به تعیین کمی چارچوبی که ویژگیهای شبکه و سرطان را با استفاده از تجزیه و تحلیل زیستشناسی هوش مصنوعی متصل میکند، کمک میکند. هوش مصنوعی کشف داروی ضد سرطان در انکولوژی را تسریع می کند. علاوه بر این، چندین بازیگر در بازار از هوش مصنوعی (AI) در زمینه کشف داروهای سرطان استفاده می کنند. به عنوان مثال، داروهای مدل، یک شرکت کشف و توسعه داروی سرطان شناسی، در اکتبر 2022 اعلام کرد که داروهای انکولوژی را تولید خواهد کرد که گیرنده های AXL و BRD4 را هدف قرار می دهند. در ژوئن 2022، یکی دیگر از تولیدکنندگان داروی سرطان شناسی، شرودینگر sro، تأییدیه سازمان غذا و داروی ایالات متحده (USFDA) را برای کاربرد تحقیقاتی داروی جدید خود (INDA) برای دارویی به نام SGR-1505، یک مهارکننده گیرنده MALT1 دریافت کرد. این شرکت در حال توسعه داروهای سرطان شناسی با استفاده از یک پلت فرم نرم افزاری مبتنی بر فیزیک است. انتظار میرود بازار انکولوژی در سالهای آینده بهدلیل تحقیقات مداوم و کشف داروی بالینی با استفاده از هوش مصنوعی و پیشرفتهای کلیدی توسط بازیگران بازار و شرکتهای داروسازی، رشد قابلتوجهی داشته باشد.
نتیجه
همانطور که ما در آینده کشف مواد مخدر، ادغام هوش مصنوعی (AI) در این بخش، چراغ امیدی برای پرداختن به چالشهای طولانی مدت هزینههای بالا، چرخههای طولانی توسعه، و نرخهای فرسایشی دلهرهآوری است که بهطور تاریخی صنعت داروسازی را تحت تأثیر قرار داده است. ترکیب فناوریهای هوش مصنوعی با فرآیندهای پیچیده کشف دارو، راه را برای عصر جدیدی هموار میکند که در آن ارقام دلهرهآور 2.6 میلیارد دلار هزینه و بیش از یک دهه زمان توسعه دیگر معمول نیست. از طریق اتحادهای استراتژیک و دیجیتالی کردن تحقیقات زیست پزشکی، هوش مصنوعی جهشی قابل توجه در نحوه نزدیک شدن ما به کشف درمان های جدید را امکان پذیر می کند. استفاده از راهحلهای مبتنی بر هوش مصنوعی در جهتیابی دادههای گسترده تولید شده در طول فرآیندهای کشف دارو، نمونهای از تغییر به سمت روشهای نوآورانهتر و مؤثرتر است. علاوه بر این، بخش سرطان شناسی، به ویژه، در اوج پیشرفت های انقلابی با هوش مصنوعی قرار دارد. ادغام هوش مصنوعی در کشف داروهای انکولوژی نه تنها کشف داروهای ضد سرطان را تسریع میکند، بلکه راههای جدیدی را برای درمانهایی که قبلاً دور از دسترس بودند باز میکند. با توجه به اینکه سرطان به عنوان عامل اصلی مرگ و میر در سراسر جهان باقی مانده است، نقش هوش مصنوعی در این زمینه چراغ امیدی برای میلیون ها نفر است. همانطور که شرکت در این لحظه حساس ایستاده است، مسیر هوش مصنوعی در کشف دارو، آیندهای را نشان میدهد که در آن توسعه داروهای نجاتبخش توسط ناکارآمدیها و هزینههای گزاف مانعی ندارد. همکاریهای بین غولهای فناوری و شرکتهای دارویی، در کنار پلتفرمها و راهحلهای نوآورانه در حال توسعه، نشاندهنده بخشی است که برای تحول آماده است. در پایان، هوش مصنوعی در بازار کشف دارو در آستانه یک انقلاب است که به دلیل ضرورت غلبه بر موانع فرآیندهای سنتی کشف دارو هدایت می شود.