报告要点：
- 药物研发（D&D）成本高昂且耗时。根据行业期刊报告，发现和开发新药物疗法的平均成本为26亿美元，开发周期超过10年。大多数候选疗法在临床试验早期被丢弃，尤其是在临床前和1期试验中，这源于有限的开发测试漏斗，直接影响了高昂的成本和漫长的开发周期。
- 临床试验中的人工智能解决方案消除了潜在的瓶颈，缩短了临床试验周期，提高了临床试验的效率和精确度。因此，这些尖端的人工智能解决方案在生命科学行业参与者中越来越受欢迎。根据Clinical Trials Arena的2021年估计，药物研发领域中排名前四的人工智能公司与制药公司之间的战略联盟和合作关系从2015年的4个增长到2020年的27个。
- 生物医学和临床研究领域正变得日益数字化，为人工智能解决方案铺平了道路。药物研发过程中产生的大量数据，包括在分子筛选阶段和临床前研究中，正在增加对人工智能驱动解决方案的需求。
根据Univdatos市场洞察的新报告，人工智能在药物研发市场，预计到2030年将以42.4%的复合年增长率增长，达到284亿美元。开发新治疗候选药物是世界上最费力、最耗时的过程之一。D&D面临的最大问题是高流失率。这主要是由于用于药物发现的试错方法。不到1%的药理学药物先导物转化为用于临床试验的候选药物。专家估计，在这些试验中考虑的近90%的候选药物未能进入开发周期。这导致高昂的成本。一种处方药通常需要10-15年，平均花费10-20亿美元才能从实验室走向市场。上述成本的大约三分之一是在药物发现阶段产生的。为了解决这些挑战，例如增加资金需求和后期项目失败，制药公司正在探索使用基于人工智能的工具，利用化学和生物信息学来改进其药物发现和开发流程。预计人工智能药物发现将能够处理和分析大量的临床/医疗数据，并利用它来改进现代药物发现工作。
深入了解人工智能在药物研发市场–https://univdatos.com/get-a-free-sample-form-php/?product_id=4910
该报告表明药物递送的成本高昂且漫长过程是推动未来几年人工智能在药物研发市场的主要因素之一。开发一种新药通常需要10-15年，平均成本高达28亿美元。80-90%的药物失败发生在临床试验中，其中II期PoC试验占临床失败的大部分。虽然与前十年相比，过去十年（2010-2019）美国FDA等监管机构批准的NME数量有所增加，但将新药推向市场的成本却大幅增加。导致制药创新成本增加的关键因素包括后期临床流失造成的投资损失、设定高审批门槛的更严格的监管制度以及增加的临床试验成本，特别是关键性试验。这些因素推动了制药和生物技术公司采用新技术来提高生产力、降低成本并确保长期可持续性。
在药物发现过程中，每5000到10000个化合物中只有一个被批准为特定疾病的药物候选物。人工智能在药物发现方面有潜力大幅缩短将新药推向市场的时间和成本。它也有潜力发现以前难以靶向的疾病的新疗法。
图1：2021年人工智能药物研发初创企业最多的国家
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月推出了两个新的人工智能解决方案：靶点和先导物鉴定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速其药物设计和精准医疗工作。靶点和先导物鉴定套件可在计算机中实现更有效的药物设计，预测蛋白质结构并加速药物发现中的先导物优化。这两个人工智能驱动的Google Cloud套件有助于解决生物制药领域长期存在的问题：将新药推向美国市场，这可能既耗时又昂贵。包括大型制药公司辉瑞在内的几家公司已经开始使用这些产品。
- 2023年3月，Insilico Medicine在其PandaOmicms平台中添加了专门的人工智能聊天功能“ChatPandaGPT”。这种集成允许研究人员与平台进行“自然语言对话”，从而使他们能够更有效地分析大型数据集并发现潜在的治疗靶点和生物标志物。
肿瘤学领域在市场中获得最大关注
人工智能在肿瘤学药物发现中加速了抗癌药物的发现。由于癌症的发病率不断上升，预计肿瘤学药物发现领域在不久的将来会增长。美国癌症协会2022年的估计数据显示，癌症是美国第二大死亡原因，预计到2022年将有超过609,360例新癌症病例。人工智能通过机器学习和深度学习算法加速了抗癌药物的发现。借助深度学习，可以从头设计药物候选物分子结构，并可以预测其反应。根据2022年发表在《自然》杂志上的一项研究，人工智能有助于从生物网络中识别新型药物和抗癌靶标。生物网络有助于保存和评估癌细胞各成分之间的相互作用。细胞网络建模有助于通过使用人工智能生物学分析来量化连接网络特性和癌症的框架。人工智能加速了肿瘤学中的抗癌药物发现。此外，市场上的一些参与者正在癌症药物发现领域使用人工智能（AI）。例如，肿瘤学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.收到了美国食品药品监督管理局（USFDA）对其名为SGR-1505的药物（一种MALT1受体抑制剂）的临床试验新药申请（INDA）的批准。该公司正在使用基于物理学的软件平台开发肿瘤药物。由于正在使用人工智能进行持续的研究和临床药物发现，以及市场参与者和制药公司的重大发展，预计肿瘤学市场将在未来几年大幅增长。
结论
当我们深入研究药物发现的未来时，人工智能（AI）在这一领域的整合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严峻的流失率带来了希望的曙光。人工智能技术与药物发现的复杂流程的结合正在为新时代铺平道路，在那里，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，人工智能正在使我们发现新疗法的方式发生重大飞跃。在药物发现过程中导航产生的大量数据中使用人工智能驱动的解决方案，这很好地说明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，正处于人工智能革命性进步的尖端。人工智能在肿瘤学药物发现中的整合不仅加速了抗癌药物的发现，而且也为以前无法企及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，人工智能在这一领域的作用对数百万人来说是一个希望的灯塔。当公司站在这一关键时刻时，人工智能在药物发现中的发展轨迹预示着一个未来，在这个未来中，拯救生命的药物的开发不会受到低效率和过高成本的阻碍。科技巨头和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，都表明该领域已准备好进行转型。总之，人工智能在药物研发市场正处于一场革命的边缘，这场革命是由克服传统药物发现流程的障碍的必要性所驱动的。
获取回电