創薬におけるAI市場、2030年までに284億米ドルに達し、42.4%の成長率で急騰すると予測 UnivDatos社調べ

レポートの主なハイライト:

• 医薬品の発見と開発（D&D）は、コストがかかり、時間がかかります。業界ジャーナルのレポートによると、新しい医薬品療法の発見と開発にかかる平均コストは26億ドルであり、開発サイクルは10年を超えています。ほとんどの候補療法は、臨床試験の初期段階、特に前臨床試験および第1相試験で、開発試験のファンネルが限られているために破棄され、それが高コストおよび長い開発サイクルに直接影響を与えます。
• 臨床試験におけるAIソリューションは、潜在的なボトルネックを取り除き、臨床試験のサイクルを短縮し、臨床試験の効率と精度を向上させます。その結果、これらの最先端のAIソリューションは、ライフサイエンス業界のプレーヤーの間でますます人気が高まっています。Clinical Trials Arenaの2021年の推定によると、医薬品の発見と製薬会社における上位4つのAIベースの企業間の戦略的提携およびパートナーシップの数は、2015年の4から2020年には27に増加しました。
• 生物医学および臨床研究スペースはますますデジタル化されており、AIソリューションへの道を開いています。分子スクリーニング段階や前臨床研究など、医薬品発見プロセスで生成される膨大な量のデータにより、AI駆動型ソリューションの需要が高まっています。

Univdatos Market Insightsによる新しいレポートによると、医薬品発見におけるAI市場は、42.4％のCAGRで成長し、2030年には284億米ドルに達すると予想されています。新しい治療候補の発見と開発は、世界で最も労力と時間がかかるプロセスの1つです。D&Dの最大の問題は、高い脱落率です。これは主に、医薬品の発見に使用される試行錯誤のアプローチが原因です。薬理学的医薬品リードの1％未満が臨床試験用の医薬品候補に変換されます。専門家は、これらの試験で検討される医薬品候補のほぼ90％が開発サイクルで前進できないと推定しています。これにより、コストが高くなります。処方薬がベンチから市場に出るまでには、通常10〜15年かかり、平均10億〜20億ドルの費用がかかります。上記のコストの約3分の1は、医薬品発見段階で発生します。資本要件の増加や後期プログラムの失敗などの課題に対処するために、製薬会社は化学および生物学的情報を使用して、AIベースのツールを使用して医薬品の発見と開発プロセスを改善することを検討しています。AI医薬品発見は、大量の臨床/医療データを処理および分析し、それを活用して最新の医薬品発見の取り組みを改善できると予想されています。

医薬品発見におけるAI市場に関する洞察を解き放つ– https://univdatos.com/reports/artificial-intelligence-in-drug-discovery-market?popup=report-enquiry

レポートでは、医薬品配送の高コストで時間のかかるプロセスが、今後数年間の医薬品発見市場におけるAIを推進する主要な要因の1つであると示唆されています。新しい医薬品の開発には通常10〜15年かかり、平均コストは最大28億ドルです。医薬品の失敗の80〜90％はクリニックで発生し、第II相PoC試験が臨床的失敗の大部分を占めています。米国のFDAなどの規制当局によって承認されたNMEの数は、過去10年間（2010〜2019年）に過去10年間と比較して増加しましたが、新しい医薬品を市場に投入するコストは大幅に増加しました。製薬イノベーションコストの増加に寄与する主な要因には、後期臨床脱落からの投資の損失、高い承認基準を設定するより厳格な規制体制、特にピボタル試験における臨床試験コストの増加などがあります。これらの要因は、生産性を向上させ、コストを削減し、長期的な持続可能性を確保するために、製薬会社やバイオテクノロジー企業による新しい技術の革新と採用を推進しています。

医薬品発見プロセスでは、5,000〜10,000の化合物ごとに1つだけが特定の状態の医薬品候補として承認されています。Al in Drug Discoveryは、新薬を市場に投入する時間とコストを劇的に削減する可能性があります。また、以前はターゲットが難しかった状態に対する新しい治療法を発見する可能性も秘めています。

図1：医薬品発見スタートアップにおけるAIの上位国、2021年

この市場のいくつかのプレーヤーは、医薬品の発見に役立つプラットフォームを構築しています。例えば、

• Google Cloudは2023年5月、医薬品発見企業、製薬会社、および公共部門の組織が医薬品設計と精密医療の取り組みを加速できるように設計された、2つの新しいAI搭載ソリューション（ターゲットおよびリード識別スイートとマルチオミクススイート）を発表しました。Target and Lead Identificationスイートは、in silicoでのより効率的な医薬品設計を可能にし、タンパク質構造を予測し、医薬品発見におけるリードの最適化を加速します。2つのAI搭載Google Cloudスイートは、バイオ医薬品における長年の問題（新しい医薬品を米国の市場に投入すること）の解決に役立ちます。これには時間がかかり、費用がかかる可能性があります。大手製薬会社のファイザーを含むいくつかの企業は、すでにこれらの製品の使用を開始しています。
• 2023年3月、Insilico Medicineは、専門のAIチャット機能である「ChatPandaGPT」をPandaOmicmsプラットフォームに追加しました。この統合により、研究者はプラットフォームと「自然言語での会話」を行うことができ、大規模なデータセットを分析し、潜在的な治療標的およびバイオマーカーをより効果的に発見することができます。

腫瘍学セグメントが市場で最大の牽引力を獲得

AIによる腫瘍学医薬品の発見は、抗がん剤の発見を加速します。がんの発生率が上昇しているため、腫瘍学医薬品の発見セグメントは近い将来成長すると予想されます。American Cancer Society 2022は、がんは米国で2番目に多い死亡原因であり、2022年までに609,360を超える新しいがん患者が発生すると推定しています。AIは、機械学習と深層学習アルゴリズムの使用を通じて、抗がん剤の医薬品発見を加速します。深層学習の助けを借りて、医薬品候補をデノボ分子構造で設計し、それらの反応を予測することができます。Natureに掲載された2022年の研究によると、AIは生物学的ネットワークからの新規医薬品および抗がん標的の特定に役立ちます。生物学的ネットワークは、がん細胞の成分間の相互作用を保存および評価するのに役立ちます。細胞ネットワークモデリングは、AI生物学分析を使用して、ネットワークプロパティとがんを接続するフレームワークを定量化するのに役立ちます。AIは腫瘍学における抗がん剤の医薬品発見を加速します。さらに、市場のいくつかのプレーヤーは、がん医薬品発見の分野で人工知能（AI）を使用しています。たとえば、腫瘍学医薬品の発見および医薬品開発会社であるモデルメディシンは、2022年10月に、AXLおよびBRD4受容体を標的とする腫瘍学医薬品を開発すると発表しました。2022年6月、別の腫瘍学医薬品開発会社であるシュレーディンガーs.r.o.は、MALT1受容体の阻害剤であるSGR-1505と呼ばれる医薬品の治験薬申請（INDA）について、米国食品医薬品局（USFDA）から承認を受けました。同社は、物理ベースのソフトウェアプラットフォームを使用して腫瘍学医薬品を開発しています。AIを使用した継続的な研究と臨床医薬品発見、および市場プレーヤーと製薬会社による主要な開発により、腫瘍学市場は今後数年間で大幅に成長すると予想されます。

結論

医薬品発見の未来を掘り下げるにつれて、このセクター内での人工知能（AI）の統合は、高コスト、長い開発サイクル、製薬業界を歴史的に悩ませてきた困難な消耗率の長年の課題に対処する上で希望の光を示しています。AI技術と医薬品発見の複雑なプロセスとの統合は、26億ドルのコストと10年以上の開発時間がもはや標準ではない新しい時代の道を開いています。戦略的提携と生物医学研究のデジタル化を通じて、AIは新しい治療法の発見に対する私たちのアプローチ方法に大きな飛躍をもたらしています。医薬品発見プロセス中に生成される膨大なデータをナビゲートする際のAI駆動型ソリューションの使用は、より革新的で効果的な方法論への移行を例示しています。さらに、特に腫瘍学セグメントは、AIによる革命的な進歩の最前線に立っています。腫瘍学医薬品の発見におけるAIの統合は、抗がん剤の発見を加速させるだけでなく、以前は手の届かなかった治療法への新しい道を開きます。がんが世界中で依然として主要な死亡原因であるため、この分野におけるAIの役割は、何百万人もの人々に希望の光を与えます。当社がこの重要な瞬間に立っているように、医薬品発見におけるAIの軌跡は、生命を救う医薬品の開発が非効率性と法外なコストによって妨げられない未来を告げています。ハイテク大手と製薬会社とのコラボレーション、および開発されている革新的なプラットフォームとソリューションは、変革に適したセクターを示しています。結論として、医薬品発見市場におけるAIは、従来の医薬品発見プロセスの障壁を克服する必要性に迫られ、革命の瀬戸際にあります。