人工智能於藥物發現市場預計將飆升 42.4%，至 2030 年達 284 億美元，UnivDatos 預測

報告重點：

• 藥物發現和開發 (D&D) 既昂貴又耗時。根據產業期刊報告，發現和開發新藥物療法的平均成本為 26 億美元，開發週期超過 10 年。由於開發測試管道有限，直接影響高成本和長開發週期，大多數候選療法在臨床試驗早期就被淘汰，尤其是在臨床前和第一期試驗中。
• 臨床試驗中的人工智慧解決方案可消除潛在的瓶頸，縮短臨床試驗週期，並提高臨床試驗的效率和精確度。因此，這些尖端的人工智慧解決方案在生命科學產業參與者中越來越受歡迎。根據 Clinical Trials Arena 2021 年的估計，排名前四的基於人工智慧的藥物發現公司與製藥公司之間的策略聯盟和合作夥伴關係數量從 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，為人工智慧解決方案鋪平了道路。藥物發現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，正在增加對人工智慧驅動解決方案的需求。

根據 Univdatos Market Insights 的一份新報告，藥物發現市場中的人工智慧預計到 2030 年將達到 284 億美元，複合年增長率為 42.4%。新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 的最大問題是高耗損率。這主要是由於藥物發現中使用的試錯法造成的。只有不到 1% 的藥理學先導藥物會轉化為臨床試驗的候選藥物。專家估計，在這些試驗中考慮的候選藥物中，幾乎有 90% 未能在開發週期中取得進展。這導致高成本。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。上述成本中約有三分之一是在藥物發現階段產生的。為了應對這些挑戰，例如不斷增加的資本需求和後期計畫失敗，製藥公司正在探索使用基於人工智慧的工具來利用化學和生物資訊改善其藥物發現和開發流程。預計人工智慧藥物發現將能夠處理和分析大量的臨床/醫療數據，並利用它來改善現代藥物發現工作。

解鎖藥物發現市場中人工智慧的洞見– https://univdatos.com/reports/artificial-intelligence-in-drug-discovery-market?popup=report-enquiry

該報告表明，藥物輸送的成本高昂且耗時是未來幾年推動藥物發現市場中人工智慧的主要因素之一。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% 的藥物失敗發生在臨床中，其中第二期 PoC 試驗佔臨床失敗的大多數。雖然與前十年相比，過去十年 (2010-2019) 獲得美國 FDA 等監管機構批准的 NME 數量有所增加，但將一種新藥推向市場的成本已大幅增加。導致製藥創新成本增加的主要因素包括後期臨床耗損造成的投資損失、更嚴格的監管制度（設定了很高的批准門檻）以及增加的臨床試驗成本，尤其是關鍵試驗。這些因素推動了製藥和生物科技公司對新技術的創新和採用，以提高生產力、降低成本並確保長期永續性。

在藥物發現過程中，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候選藥物。藥物發現中的人工智慧有可能大幅減少將新藥推向市場的時間和成本。它還有可能發現先前難以治療的疾病的新療法。

圖 1：2021 年藥物發現新創公司中人工智慧的頂級國家

這個市場上的幾家公司正在建立可以幫助藥物發現的平台。例如，

• Google Cloud 在 2023 年 5 月推出了兩款全新的人工智慧驅動解決方案：目標和先導藥物識別套件以及 Multiomics 套件，旨在幫助藥物發現公司、製藥公司和公共部門組織加速其藥物設計和精準醫療工作。目標和先導藥物識別套件可在矽晶片中實現更高效的藥物設計、預測蛋白質結構並加速藥物發現中的先導藥物優化。這兩款人工智慧驅動的 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。
• 在 2023 年 3 月，Insilico Medicine 將一個專門的人工智慧聊天功能「ChatPandaGPT」新增到其 PandaOmicms 平台。這種整合允許研究人員與該平台進行「自然語言對話」，這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記。

腫瘤科領域在市場上獲得最大的關注

使用人工智慧的腫瘤科藥物發現加速了抗癌藥物的發現。隨著癌症發病率的上升，腫瘤科藥物發現領域預計在不久的將來會增長。美國癌症協會 2022 年估計，癌症是美國第二大死因，預計到 2022 年將有超過 609,360 例新癌症病例。人工智慧通過機器學習和深度學習演算法的使用來加速抗癌藥物的藥物發現。在深度學習的幫助下，可以在從頭分子結構中設計候選藥物，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，人工智慧有助於從生物網路中識別新的藥物和抗癌目標。生物網路有助於保存和評估癌細胞成分之間的相互作用。細胞網路建模有助於通過使用人工智慧生物學分析來量化連接網路屬性和癌症的框架。人工智慧加速了腫瘤科抗癌藥物的發現。此外，市場上的幾家公司正在癌症藥物發現領域中使用人工智慧 (AI)。例如，腫瘤科藥物發現和藥物開發公司 Model Medicines 在 2022 年 10 月宣布，它將開發針對 AXL 和 BRD4 受體的腫瘤科藥物。在 2022 年 6 月，另一家腫瘤科藥物開發商 Schrödinger s.r.o. 獲得了美國食品和藥物管理局 (USFDA) 對其稱為 SGR-1505 的藥物的研究性新藥申請 (INDA) 的批准，SGR-1505 是 MALT1 受體的抑制劑。該公司正在使用基於物理的軟體平台開發腫瘤科藥物。由於正在進行的研究以及使用人工智慧進行的臨床藥物發現，以及市場參與者和製藥公司的關鍵發展，腫瘤科市場預計在未來幾年將顯著增長。

結論

當我們深入研究藥物發現的未來時，人工智慧 (AI) 在該領域的整合為解決長期以來的高成本、漫長的開發週期以及藥物產業長期以來困擾的令人望而卻步的耗損率帶來了一線希望。人工智慧技術與藥物發現的複雜過程的結合，為一個新時代鋪平了道路，在這個新時代中，26 億美元的成本和超過十年的開發時間等令人望而卻步的數字不再是常態。通過策略聯盟和生物醫學研究的數位化，人工智慧使我們在發現新療法方面實現了重大飛躍。在藥物發現過程中，使用人工智慧驅動的解決方案來處理產生的大量數據，體現了向更具創新性和有效性的方法轉變。此外，腫瘤科領域尤其處於人工智慧革命性進步的風口浪尖。人工智慧在腫瘤科藥物發現中的整合不僅加速了抗癌藥物的發現，而且為以前無法獲得的治療方法開闢了新途徑。由於癌症仍然是世界範圍內的主要死因，人工智慧在這一領域的作用為數百萬人帶來了一線希望。當公司處於這個關鍵時刻時，人工智慧在藥物發現中的發展軌跡預示著一個未來，在這個未來中，拯救生命的藥物的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，表明該產業已為轉型做好準備。總之，藥物發現市場中的人工智慧正處於一場革命的邊緣，其動力來自於克服傳統藥物發現過程障礙的必要性。