AI藥物發現市場預計將以42.4%的速度飆升，到2030年達到284億美元，UnivDatos預測

報告重點：

• 藥物發現和開發 (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。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 1 期試驗中，這是因為開發測試漏斗有限，直接影響了高成本和長開發週期。
• 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度。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，藥物發現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越來越數位化，為 AI 解決方案鋪平了道路。藥物發現過程中產生的大量資料，包括分子篩選階段和臨床前研究，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，AI 在藥物發現市場中的應用，預計到 2030 年將達到 284 億美元，複合年增長率為 42.4%。發現和開發新的治療候選藥物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。這主要是由於藥物發現中使用的試錯方法。只有不到 1% 的藥理學藥物先導化合物被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藥物候選物中，幾乎有 90% 無法在開發週期中取得進展。這導致了高昂的成本。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專案失敗，製藥公司正在探索使用基於 AI 的工具，利用化學和生物資訊來改進其藥物發現和開發流程。預計 AI 藥物發現將能夠處理和分析大量臨床/醫療資料，並利用它來改進現代藥物發現工作。

解鎖對 AI 在藥物發現市場的洞察– https://univdatos.com/reports/artificial-intelligence-in-drug-discovery-market?popup=report-enquiry

該報告表明，藥物輸送過程成本高昂且耗時，這是未來幾年推動 AI 在藥物發現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% 的藥物失敗發生在臨床中，其中 II 期 PoC 試驗佔臨床失敗的大部分。雖然與前十年相比，過去十年（2010-2019 年）監管機構（如美國 FDA）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流失造成的投資損失、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，特別是對於關鍵性試驗。這些因素推動了製藥和生物科技公司進行創新和採用新技術，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。AI 在藥物發現中的應用有可能大大縮短將新藥推向市場的時間和成本。它還有可能為以前難以治療的疾病發現新的治療方法。

圖 1：2021 年 AI 在藥物發現新創公司中的主要國家

該市場中的幾家公司正在構建可以幫助藥物發現的平台。例如，

• Google Cloud 於 2023 年 5 月推出了兩個新的 AI 驅動解決方案：目標和先導化合物識別套件以及多體學套件，旨在幫助藥物發現公司、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。目標和先導化合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化合物優化。這兩個 AI 驅動的 Google Cloud 套件有助於解決生物製藥領域長期存在的問題：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多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可以與該平台進行「自然語言對話」，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。

腫瘤科領域在市場中獲得最大關注

AI 腫瘤科藥物發現加速了抗癌藥物的發現。由於癌症發病率不斷上升，預計腫瘤科藥物發現領域將在不久的將來實現增長。美國癌症協會 2022 年估計，癌症是美國第二大死亡原因，預計到 2022 年將新增超過 609,360 例癌症病例。AI 通過機器學習和深度學習演算法的使用，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候選藥物，並且可以預測其反應。根據 2022 年發表在《自然》雜誌上的一項研究，AI 有助於從生物網路中識別新型藥物和抗癌目標。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 AI 生物學分析來量化連接網路特性和癌症的框架。AI 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 於 2022 年 10 月宣佈，它將開發靶向 AXL 和 BRD4 受體的腫瘤科藥物。2022 年 6 月，另一家腫瘤科藥物開發商 Schrödinger s.r.o. 收到了美國食品藥品監督管理局 (USFDA) 對其名為 SGR-1505（MALT1 受體的抑製劑）的試驗性新藥申請 (INDA) 的批准。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和使用 AI 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，預計腫瘤科市場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存在的高成本、漫長的開發週期以及困擾製藥行業的令人望而卻步的減員率問題提供了一線希望。AI 技術與複雜的藥物發現流程的結合，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十年的開發時間不再是常態。通過戰略聯盟和生物醫學研究的數位化，AI 正在使我們在發現新療法方面實現重大飛躍。在藥物發現過程中，使用 AI 驅動的解決方案來導航生成的大量數據，這證明了我們正在轉向更具創新性和有效性的方法。此外，腫瘤科領域尤其處於 AI 革命性進步的風口浪尖。AI 在腫瘤科藥物發現中的整合不僅加速了抗癌藥物的發現，還為以前遙不可及的治療方法開闢了新途徑。由於癌症仍然是全球主要的死亡原因，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 在藥物發現中的發展軌跡預示著一個未來，在這個未來，拯救生命的藥物的開發不會受到效率低下和高昂成本的阻礙。科技巨頭和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，都表明該領域已準備好進行轉型。總之，AI 在藥物發現市場正處於一場革命的邊緣，其驅動力是克服傳統藥物發現流程障礙的必要性。