报告的主要亮点：
- 药物发现与开发 (D&D) 成本高昂且耗时。行业期刊报告显示，发现和开发新药疗法的平均成本为 26 亿美元，开发周期超过 10 年。由于有限的开发测试渠道直接影响高成本和长开发周期，因此大多数候选疗法在临床试验的早期阶段（尤其是在临床前和 1 期试验中）被丢弃。
- AI 解决方案在临床试验中消除了潜在的瓶颈，缩短了临床试验周期，并提高了临床试验的效率和精确性。因此，这些尖端的 AI 解决方案在生命科学行业参与者中越来越受欢迎。据 Clinical Trials Arena 2021 年的估计，在药物发现领域排名前四的 AI 公司与制药公司之间的战略联盟和合作伙伴关系数量从 2015 年的 4 个增加到 2020 年的 27 个。
- 生物医学和临床研究领域正变得越来越数字化，为 AI 解决方案铺平了道路。药物发现过程中产生的大量数据，包括分子筛选阶段和临床前研究，正在增加对 AI 驱动解决方案的需求。
根据 Univdatos Market Insights 的一份新报告，药物发现中的 AI 市场预计到 2030 年将达到 284 亿美元，复合年增长率为 42.4%。新治疗候选药物的发现和开发是世界上最费力且耗时的过程之一。D&D 的最大问题是高损耗率。这主要是由于药物发现中使用的试错方法。只有不到 1% 的药理学药物先导物被转化为临床试验的候选药物。专家估计，在这些试验中考虑的药物候选物中，几乎有 90% 未能在开发周期中取得进展。这导致了高成本。一种处方药通常需要 10-15 年的时间，平均花费 10-20 亿美元才能从实验室走向市场。上述成本中约有三分之一发生在药物发现阶段。为了应对这些挑战，例如不断增长的资本需求和后期项目失败，制药公司正在探索使用基于 AI 的工具，利用化学和生物信息来改进其药物发现和开发过程。预计 AI 药物发现将能够处理和分析大量临床/医疗数据，并利用它来改进现代药物发现工作。
解锁对药物发现中 AI 市场的洞察– https://univdatos.com/reports/artificial-intelligence-in-drug-discovery-market?popup=report-enquiry
该报告表明，药物递送的成本高昂且耗时的过程是未来几年推动药物发现中 AI 市场发展的主要因素之一。开发一种新药通常需要 10-15 年的时间，平均成本高达 28 亿美元。80-90% 的药物失败发生在临床中，其中 II 期 PoC 试验占临床失败的大部分。虽然在过去十年（2010-2019 年）中，美国 FDA 等监管机构批准的 NME 的数量与前十年相比有所增加，但将一种新药推向市场的成本却显着增加。导致制药创新成本增加的关键因素包括后期临床损耗造成的投资损失、更加严格的监管制度（设定了较高的批准门槛）以及增加的临床试验成本，特别是关键试验。这些因素推动了制药和生物技术公司对新技术的创新和采用，以提高生产力、降低成本并确保长期可持续性。
在药物发现过程中，每 5,000 至 10,000 种化合物中只有一种被批准作为特定疾病的候选药物。药物发现中的 AI 有可能显着减少将新药推向市场的时间和成本。它还有可能发现以前难以治疗的疾病的新疗法。
图 1：2021 年药物发现 AI 初创公司的主要国家/地区
该市场中的几家参与者正在构建可以帮助药物发现的平台。例如，
- Google Cloud 于 2023 年 5 月推出了两款新的 AI 驱动解决方案：靶标和先导物识别套件以及多组学套件，旨在帮助药物发现公司、制药公司和公共部门组织加快其药物设计和精准医疗工作。靶标和先导物识别套件可在计算机上实现更高效的药物设计、预测蛋白质结构并加速药物发现中的先导物优化。这两款 AI 驱动的 Google Cloud 套件有助于解决生物制药领域一个长期存在的问题：将一种新药推向美国市场，这既耗时又昂贵。包括大型制药公司辉瑞在内的多家公司已经开始使用这些产品。
- 2023 年 3 月，Insilico Medicine 将一个专门的 AI 聊天功能“ChatPandaGPT”添加到其 PandaOmicms 平台。这种集成使研究人员能够与该平台进行“自然语言对话”，从而使他们能够分析大型数据集并更有效地发现潜在的治疗靶标和生物标志物。
肿瘤学领域在市场中获得最大关注
利用 AI 进行肿瘤药物发现可加速抗癌药物的发现。预计肿瘤药物发现领域将在不久的将来增长，因为癌症的发病率正在上升。美国癌症协会 2022 年估计，癌症是美国第二大死亡原因，预计到 2022 年将新增超过 609,360 例癌症病例。AI 通过机器学习和深度学习算法的使用来加速抗癌药物的药物发现。借助深度学习，可以在从头分子结构中设计候选药物，并且可以预测它们的反应。根据 2022 年发表在《自然》杂志上的一项研究，AI 可用于从生物网络中识别新的药物和抗癌靶标。生物网络有助于保存和评估癌细胞成分之间的相互作用。细胞网络建模有助于通过使用 AI 生物学分析来量化连接网络特性和癌症的框架。AI 加速了肿瘤学中抗癌药物的发现。此外，市场上的几家参与者正在癌症药物发现领域中使用人工智能 (AI)。例如，肿瘤药物发现和药物开发公司 Model Medicines 于 2022 年 10 月宣布，它将开发靶向 AXL 和 BRD4 受体的肿瘤药物。2022 年 6 月，另一家肿瘤药物开发商 Schrödinger s.r.o. 获得了美国食品和药物管理局 (USFDA) 对其名为 SGR-1505 的药物（MALT1 受体的抑制剂）的试验性新药申请 (INDA) 的批准。该公司正在使用基于物理的软件平台开发肿瘤药物。由于正在进行的研究和使用 AI 进行的临床药物发现，以及市场参与者和制药公司的关键发展，预计肿瘤市场将在未来几年显着增长。
结论
当我们深入研究药物发现的未来时，人工智能 (AI) 在该领域的集成，为解决长期存在的高成本、漫长的开发周期以及历史上困扰制药行业的可怕的损耗率等挑战带来了希望的灯塔。AI 技术与复杂的药物发现过程的结合，为新时代铺平了道路，在这个时代，26 亿美元的成本和超过十年的开发时间不再是常态。通过战略联盟和生物医学研究的数字化，AI 使我们在发现新疗法的方式上实现了重大飞跃。在导航药物发现过程中产生的大量数据时使用 AI 驱动的解决方案，体现了向更具创新性和有效性的方法转变。此外，特别是肿瘤学领域，正处于 AI 革命性进步的风口浪尖。AI 在肿瘤药物发现中的集成，不仅加速了抗癌药物的发现，而且为以前无法实现的治疗方法开辟了新途径。由于癌症仍然是全球主要的死亡原因，因此 AI 在该领域的作用对数百万人来说是希望的灯塔。当公司处于这个关键时刻时，AI 在药物发现中的轨迹预示着一个未来，在这个未来，救生药物的开发不会受到效率低下和过高成本的阻碍。科技巨头与制药公司之间的合作，以及正在开发的创新平台和解决方案，表明该行业已为转型做好准备。总之，药物发现中的 AI 市场正处于革命的边缘，其动力来自于克服传统药物发现过程障碍的必要性。
获取回电