レポートの主なハイライト:
- 新薬の発見・開発（D&D）にはコストがかかり、時間もかかります。業界ジャーナルのレポートによると、新しい薬物療法を発見し開発するための平均コストは26億ドルで、開発サイクルは10年以上です。ほとんどの候補となる治療法は、特に前臨床試験および第1相試験において、臨床試験の初期段階で破棄されます。これは、開発テストの規模が限られているためであり、高コストと長期の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、新薬の発見および製薬会社におけるAIベースのトップ4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件から2020年には27件に増加しました。
- 生物医学および臨床研究分野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、新薬発見プロセスで生成される膨大な量のデータにより、AI主導のソリューションに対する需要が高まっています。
Univdatos Market Insightsの新しいレポートによると、創薬における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、世界で最も手間と時間のかかるプロセスの1つです。D&Dの最大の問題は、離脱率が高いことです。これは主に、新薬発見に使用される試行錯誤のアプローチが原因です。薬理学的薬物リードの1％未満が臨床試験の薬物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薬物候補のほぼ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。処方薬が実験室から市場に出るまでに通常10〜15年かかり、平均10〜20億ドルの費用がかかります。上記のコストの約3分の1は、新薬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、製薬会社は化学的および生物学的情報を使用して新薬の発見と開発プロセスを改善するために、AIベースのツールを使用することを検討しています。AI創薬は、大量の臨床/医療データを処理および分析し、それを利用して現代の創薬の取り組みを改善できると期待されています。
創薬におけるAI市場への洞察を解き放つ– https://univdatos.com/reports/artificial-intelligence-in-drug-discovery-market?popup=report-enquiry
レポートは、新薬配送の高コストで時間のかかるプロセスが、今後数年間の創薬におけるAI市場を牽引する主な要因の1つであることを示唆しています。新しい薬の開発には通常10〜15年かかり、平均コストは最大28億ドルです。薬物失敗の80〜90％は臨床で発生し、第II相PoC試験が臨床失敗の大部分を占めています。米国食品医薬品局（US 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）に前10年間と比較して増加しましたが、新薬を市場に投入するための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、後期臨床試験の脱落による投資の損失、高い承認基準を設定するより厳格な規制体制、特にピボタル試験の臨床試験コストの増加などがあります。これらの要因は、製薬会社やバイオテクノロジー企業による生産性の向上、コストの削減、長期的な持続可能性の確保を目的としたイノベーションと新技術の採用を推進しています。
新薬発見プロセスでは、5,000〜10,000の化合物ごとに1つだけが特定の状態の薬物候補として承認されます。創薬におけるAIは、新薬を市場に投入するための時間とコストを劇的に削減する可能性を秘めています。また、これまで標的とすること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：創薬スタートアップにおけるAIの主要国、2021年
この市場のいくつかのプレーヤーは、創薬を支援できる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、AIを活用した2つの新しいソリューション、ターゲットおよびリード特定スイートとマルチオミクススイートを発表しました。これらは、製薬会社、製薬会社、および公共部門の組織が新薬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ています。ターゲットおよびリード識別スイートにより、インシリコでのより効率的な新薬設計が可能になり、タンパク質構造を予測し、創薬におけるリード最適化を加速します。AIを活用した2つのGoogle Cloudスイートは、バイオ医薬品における長年の問題、つまり米国市場への新薬の投入を解決するのに役立ちます。これは時間とコスト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、特殊なAIチャット機能「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、潜在的な治療標的とバイオマーカーをより効果的に発見できます。
腫瘍学セグメントが市場で最大の牽引力を獲得
AIによる腫瘍学創薬は、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、腫瘍学創薬セグメントは近い将来成長すると予想されます。アメリカがん協会2022年の推定によると、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人以上の新規がん患者が予想されています。AIは、機械学習と深層学習アルゴリズムの使用を通じて、抗がん剤の創薬を加速します。深層学習の助けを借りて、薬物候補はデノボ分子構造で設計でき、それらの反応を予測できます。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薬剤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、がん細胞の構成要素間の相互作用を維持および評価するのに役立ちます。セルラーネットワークモデリングは、AI生物学分析を使用して、ネットワーク特性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発見を加速します。さらに、市場のいくつかのプレーヤーががん創薬の分野で人工知能（AI）を使用しています。たとえば、腫瘍学創薬および薬物開発会社であるモデルメディシンズは、2022年10月に、AXLおよびBRD4受容体を標的とする腫瘍学薬を開発すると発表しました。2022年6月、別の腫瘍学薬開発会社であるschrödinger s.r.o.は、MALT1受容体の阻害剤であるSGR-1505と呼ばれる薬の治験新薬申請（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薬を開発しています。腫瘍学市場は、AIを使用した継続的な研究と臨床薬物発見、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、今後数年間で大幅に成長すると予想されています。
結論
創薬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、長期の開発サイクル、製薬業界を歴史的に悩ませてきた恐ろしい消耗率という長年の課題に対処する上で、希望の光を当てています。AI技術と創薬の複雑なプロセスとの統合は、26億ドルのコストと10年以上の開発時間という恐ろしい数字がもはや常識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アプローチ方法に大きな飛躍をもたらしています。創薬プロセス中に生成された膨大なデータをナビゲートするAI主導の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先端に立っています。腫瘍学創薬におけるAIの統合は、抗がん剤の発見を加速するだけでなく、これまで手の届かなかった治療法への新しい道を開きます。がんは依然として世界中で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もたらします。企業がこの極めて重要な瞬間に立っているように、創薬におけるAIの軌跡は、生命を救う薬の開発が非効率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。テクノロジー大手と製薬会社間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、変革の時期を迎えているセクターを示しています。結論として、創薬におけるAI市場は、従来の創薬プロセスの障壁を克服する必要性に駆り立てられ、革命の瀬戸際にあります。
コールバック