報告的主要重點:
- 藥物探索與開發 (D&D) 成本高昂且耗時。根據行業期刊報告，發現和開發新藥療法的平均成本為 26 億美元，開發週期超過 10 年。由於有限的開發測試渠道，大多數候選療法在臨床試驗的早期就被淘汰，尤其是在臨床前和 1 期試驗中，這直接影響了高成本和漫長的開發週期。
- 臨床試驗中的 AI 解決方案消除了潛在的瓶頸，縮短了臨床試驗週期，並提高了臨床試驗的效率和精確性。因此，這些尖端的 AI 解決方案在生命科學行業參與者中越來越受歡迎。根據 Clinical Trials Arena 2021 年的估計，藥物探索和製藥公司中排名前四的基於 AI 的公司之間的戰略聯盟和合作夥伴關係的數量從 2015 年的 4 個增加到 2020 年的 27 個。
- 生物醫學和臨床研究領域正變得越來越數位化，為 AI 解決方案鋪平了道路。藥物探索過程中產生的大量數據（包括在分子篩選階段和臨床前研究中）正在增加對 AI 驅動解決方案的需求。
根據 Univdatos Market Insights 的一份新報告，藥物探索中的 AI 市場預計到 2030 年將達到 284 億美元，複合年增長率為 42.4%。 一種新的治療候選藥物的發現和開發是世界上最費力且耗時的過程之一。D&D 的最大問題是高流失率。這主要是由於用於藥物探索的試錯方法。不到 1% 的藥理學藥物先導物被轉化為用於臨床試驗的候選藥物。專家估計，在這些試驗中考慮的藥物候選藥物中，幾乎有 90% 未能在開發週期中取得進展。這導致了高成本。一種處方藥通常需要 10-15 年的時間，平均花費 10-20 億美元才能從實驗室走向市場。上述成本約有三分之一是在藥物探索階段產生的。為了應對這些挑戰，例如不斷增加的資本需求和後期項目失敗，製藥公司正在探索使用基於 AI 的工具來利用化學和生物信息改進其藥物探索和開發過程。預計 AI 藥物探索將能夠處理和分析大量的臨床/醫療數據，並利用它來改進現代藥物探索工作。
解鎖藥物探索中 AI 的見解– https://univdatos.com/reports/artificial-intelligence-in-drug-discovery-market?popup=report-enquiry
該報告表明，藥物交付的成本高昂且耗時的過程是推動未來幾年藥物探索中 AI 市場發展的主要因素之一。開發一種新藥通常需要 10-15 年的時間，平均成本高達 28 億美元。80-90% 的藥物失敗發生在診所中，其中 II 期 PoC 試驗佔臨床失敗的大多數。雖然過去十年（2010-2019 年）監管機構（如美國 FDA）批准的 NME 數量與前十年相比有所增加，但將一種新藥推向市場的成本已顯著增加。導致製藥創新成本增加的主要因素包括後期臨床消耗造成的投資損失、更嚴格的監管制度設定了很高的批准門檻，以及臨床試驗成本的增加，特別是對於關鍵試驗。這些因素推動了製藥和生物技術公司創新和採用新技術，以提高生產力、降低成本並確保長期可持續性。
在藥物探索過程中，每 5,000 到 10,000 種化合物中只有一種被批准作為特定疾病的藥物候選藥物。藥物探索中的 Al 有可能大大縮短將新藥推向市場的時間和成本。它還有可能發現以前難以靶向的疾病的新療法。
圖 1：2021 年藥物探索創業公司中 AI 的頂級國家
該市場中的幾個參與者正在構建可以幫助藥物探索的平台。例如，
- Google Cloud 於 2023 年 5 月推出了兩款新的 AI 驅動解決方案：目標和先導識別套件以及多組學套件，旨在幫助藥物探索公司、製藥公司和公共部門組織加快其藥物設計和精準醫療工作。目標和先導識別套件可在矽中實現更高效的藥物設計，預測蛋白質結構並加速藥物探索中的先導優化。這兩個 AI 驅動的 Google Cloud 套件有助於解決生物製藥中長期存在的問題：將一種新藥推向美國市場，這可能既耗時又昂貴。包括大型製藥公司輝瑞在內的幾家公司已經開始使用這些產品。
- 2023 年 3 月，Insilico Medicine 將專門的 AI 聊天功能“ChatPandaGPT”添加到其 PandaOmicms 平台。這種整合使研究人員能夠與平台進行“自然語言對話”，從而使他們能夠分析大型數據集並更有效地發現潛在的治療目標和生物標誌物。
腫瘤學領域在市場上獲得最大關注
使用 AI 進行的腫瘤藥物探索加速了抗癌藥物的發現。預計腫瘤藥物探索領域在不久的將來會增長，因為癌症的發病率正在上升。美國癌症協會 2022 年估計，癌症是美國第二大死亡原因，到 2022 年預計將有超過 609,360 例新的癌症病例。AI 通過機器學習和深度學習算法的使用加速了抗癌藥物的藥物發現。借助深度學習，可以在從頭分子結構中設計藥物候選藥物，並且可以預測它們的反應。根據 2022 年發表在《自然》雜誌上的一項研究，AI 有助於從生物網絡中識別新的藥物和抗癌靶點。生物網絡有助於保存和評估癌細胞組件之間的相互作用。細胞網絡建模有助於通過使用 AI 生物學分析來量化連接網絡屬性和癌症的框架。AI 加速了腫瘤學中抗癌藥物的發現。此外，市場上的幾個參與者正在癌症藥物發現領域中使用人工智能 (AI)。例如，腫瘤藥物發現和藥物開發公司 Model Medicines 於 2022 年 10 月宣布，它將開發靶向 AXL 和 BRD4 受體的腫瘤藥物。2022 年 6 月，另一家腫瘤藥物開發商 Schrödinger s.r.o. 獲得了美國食品和藥物管理局 (USFDA) 對其名為 SGR-1505（MALT1 受體抑製劑）的藥物的研究性新藥申請 (INDA) 的批准。該公司正在使用基於物理的軟件平台開發腫瘤藥物。由於正在進行的 AI 研究和臨床藥物發現以及市場參與者和製藥公司的關鍵發展，預計腫瘤市場在未來幾年將顯著增長。
結論
當我們深入研究藥物探索的未來時，人工智能 (AI) 在該領域的整合為解決長期存在的高成本、漫長的開發週期以及歷史上困擾製藥行業的令人望而生畏的消耗率挑戰提供了一線希望。AI 技術與藥物探索的複雜過程的結合正在為一個新時代鋪平道路，在這個時代，26 億美元的成本和超過 10 年的開發時間這些令人望而生畏的數字不再是常態。通過戰略聯盟和生物醫學研究的數字化，AI 正在使我們在發現新療法的方式上實現重大飛躍。在導航藥物發現過程中產生的大量數據中使用 AI 驅動的解決方案，例證了向更具創新性和有效性的方法轉變。此外，特別是腫瘤學領域正處於 AI 革命性進步的風口浪尖。將 AI 整合到腫瘤藥物探索中，不僅加速了抗癌藥物的發現，而且為以前無法觸及的治療方法開闢了新途徑。由於癌症仍然是全球死亡的主要原因，AI 在該領域的作用為數百萬人帶來了希望。當公司處於這個關鍵時刻時，AI 在藥物探索中的發展軌跡預示著一個未來，在這個未來，拯救生命的藥物開發不會受到效率低下和過高成本的阻礙。科技巨頭與製藥公司之間的合作，以及正在開發的創新平台和解決方案，表明該行業正處於轉型的最佳時機。總之，在藥物探索市場中，AI 正處於一場革命的邊緣，其驅動力是克服傳統藥物探索過程的障礙。
取得回電