報告重點摘要：
- 藥物發現與開發（D&D）既耗時又昂貴。根據產業期刊報告，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，特別是在臨床前和第一階段試驗中，由於開發測試漏斗有限，會被捨棄，這直接影響了高成本和長開發週期。
- 臨床試驗中的人工智慧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，這些尖端的人工智慧解決方案正變得越來越受生命科學產業參與者的歡迎。根據Clinical Trials Arena的2021年估計，基於人工智慧的藥物研發領域四大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，人工智慧於藥物研發市場，預計到2030年將以42.4%的複合年增長率達到284億美元。開發新的治療候選藥物是世界上最費力、最耗時的過程之一。D&D最大的問題是淘汰率高。這主要是由於用於藥物發現的試錯法。只有不到1%的藥理學藥物先導物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90%未能進入開發週期。這導致了高成本。一種處方藥通常需要10-15年，平均花費10億至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，例如增加資本需求和後期項目失敗，製藥公司正在探索使用基於人工智慧的工具，利用化學和生物信息來改進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臨床/醫療數據，並利用它來改進現代藥物發現工作。
深入瞭解人工智慧於藥物研發市場–https://univdatos.com/get-a-free-sample-form-php/?product_id=4910
該報告指出，耗時且昂貴的藥物遞送流程是推動未來幾年人工智慧於藥物研發市場的主要因素之一。開發新藥通常需要10-15年，平均成本高達28億美元。80-90%的藥物失敗發生在臨床試驗中，其中 II 期概念驗證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）美國FDA等監管機構批准的新藥物數量有所增加，但將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關鍵因素包括晚期臨床試驗淘汰造成的投資損失、設置高批准門檻的更嚴格的監管制度，以及增加的臨床試驗成本，特別是關鍵試驗。這些因素推動了製藥和生物技術公司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至10,000個化合物中只有一個被批准作為特定疾病的候選藥物。人工智慧於藥物研發有可能大幅減少將新藥推向市場的時間和成本。它也有可能發現以前難以靶向的疾病的新療法。
圖1：2021年人工智慧於藥物研發新創公司的主要國家
該市場中的幾家參與者正在建立可以幫助藥物發現的平台。例如，
- Google Cloud 於 2023 年 5 月推出了兩款全新的人工智慧驅動解決方案：Target 與 Lead 識別套件和 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。Target 與 Lead 識別套件可在計算機中實現更有效的藥物設計，預測蛋白質結構並加速藥物發現中的先導物優化。這兩個人工智慧驅動的 Google Cloud 套件有助於解決生物製藥領域長期存在的問題：將新藥推向美國市場，這可能耗時且昂貴。包括大型製藥公司 Pfizer 在內的一些公司已經開始使用這些產品。
- 2023 年 3 月，Insilico Medicine 在其 PandaOmicms 平台上添加了一個專門的人工智慧聊天功能“ChatPandaGPT”。此整合使研究人員可以與平台進行「自然語言對話」，從而使他們能夠更有效地分析大型數據集並發現潛在的治療靶點和生物標記。
腫瘤學領域在市場上獲得最大的關注
人工智慧於腫瘤學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，腫瘤學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，癌症是美國的第二大死亡原因，預計到 2022 年將有超過 609,360 例新癌症病例。人工智慧透過機器學習和深度學習演算法加速了抗癌藥物的發現。在深度學習的幫助下，可以從頭設計候選藥物的分子結構，並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，人工智慧有助於識別生物網路中的新型藥物和抗癌靶點。生物網路有助於保存和評估癌細胞組分之間的相互作用。細胞網路建模有助於量化連接網路特性和癌症的框架，方法是使用人工智慧生物學分析。人工智慧加速了腫瘤學中的抗癌藥物發現。此外，市場上的一些參與者正在癌症藥物發現領域使用人工智慧 (AI)。例如，腫瘤學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 受體的腫瘤學藥物。2022 年 6 月，另一家腫瘤學藥物開發商 Schrödinger s.r.o. 收到了美國食品和藥物管理局 (USFDA) 對其研究性新藥申請 (INDA) 的批准，用於一種名為 SGR-1505 的藥物，該藥物是 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學藥物。由於持續的研究和臨床藥物發現使用人工智慧以及市場參與者和製藥公司的重大發展，腫瘤學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)在本領域的整合，為解決長期以來困擾製藥產業的高成本、漫長的開發週期和令人畏懼的淘汰率等挑戰，提供了希望的燈塔。人工智慧技術與藥物發現的複雜流程的結合，正在為一個新時代鋪平道路，其中 26 億美元的成本和十多年的開發時間不再是常態。透過策略聯盟和生物醫學研究的數位化，人工智慧正在實現我們接近新療法發現方式的重大飛躍。在藥物發現過程中，利用人工智慧驅動的解決方案來導航海量數據，這說明了朝著更具創新性和有效性的方法論的轉變。此外，尤其是腫瘤學領域，正處於人工智慧革命性進展的風口浪尖。人工智慧在腫瘤學藥物發現中的整合不僅加速了抗癌藥物的發現，而且為以前無法實現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，人工智慧在這一領域中的作用是數百萬人的希望燈塔。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未來，即拯救生命的藥物的開發不會受到低效率和過高成本的阻礙。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，表明該領域已準備好迎接轉型。總之，人工智慧於藥物研發市場正處於一場革命的邊緣，這場革命是由於克服傳統藥物發現流程的障礙的必要性所驅動的。
取得回電