AI制藥已成藥廠共識：開發流程顯著縮短 有望解鎖500億美元機會
資料來源：和訊網
來文單位：台灣貿易中心大連代表處
更新日期：2023/05/27
AI制藥已成藥廠共識：開發流程顯著縮短 有望解鎖500億美元機會
投資市場對於制藥產業的固有認知，正面臨AI浪潮的徹底重塑。以往需要大量研究人員花費數年、從成百上千個配方中尋找候選藥物的過程，已經能被演算法壓縮到幾個月裡搞定。
日本的武田製藥在今年2月斥資40億美元，從一家波士頓新創公司手裡買下的乾癬藥物，背後的化合物配方正是該公司花費6個月時間利用AI選擇出來的。今年年內，這款藥物也將進入最終的Ⅲ期臨床試驗，有望成為AI發現藥物的最新範例。投行傑富瑞曾預期，這款藥物如果成功獲批上市，將給武田帶來37億美元的年收入。
事實上，AI和機器學習能夠大大縮短開發週期（減少費用）、加快新藥上市速度已經成為業內共識，和重點投資方向。研究機構Deep Pharma情報預計，對AI驅動的新藥發現企業，整體投資額在過去4年裡翻了3倍，在2022年已經達到246億美元。
去年法國藥廠賽諾菲就與英國新藥發現企業Exscientia簽下大單，以1億美元的預付款和52億美元的里程碑付款要約，合作利用AI系統研發至多15項腫瘤和免疫學藥物。拜爾、羅氏和武田正在與美國藥品開發企業Recursion合作使用機器學習發現藥物。阿斯利康也在與Benevolent AI等企業展開合作。
麥肯錫合夥人、為藥企提供數位化處理和分析諮詢的Alex Devereson表示，當藥廠成功在研發領域應用AI，將會產生巨大的影響。5年內AI將更加系統性地嵌入藥品開發流程，並成規模地導致更大影響。
當然，AI從來不是“無所不能”的技術，在製藥領域也是如此。
首先，雖然AI能夠減少篩選候選藥物所需的時間，但動輒數年的藥物臨床試驗顯然不能讓AI“代做”。同時目前AI也無法預測複雜一些的生物學特性，例如化合物的效率和副作用。
與近期火爆的ChatGPT源自於谷歌的transformer模型一樣，醫藥大廠開始嚴肅看待AI也要從谷歌說起。2018年，Deepmind開發的AlphaFold演算法成功在預測蛋白質形狀的挑戰中擊敗生物學家。這也是生物學中最棘手的問題之一，有助於搞清楚與疾病發生反應的分子，尋找潛在藥物。
現在AlphaFold只需要數秒就能生成蛋白質的3D結構圖，以往這樣的工作需要數月甚至數年時間。
最新的案例則來自疫情時期。輝瑞/BioNTech新冠疫苗的快速開發離不開AI助力，同時輝瑞的小分子口服藥Paxlovid，也與中國大陸AI產業的合作有關。
輝瑞首席數位和技術官Lidia Fonseca接受媒體採訪時表示，配合超級電腦和AI、機器學習模型，將整體的計算時間減少了80%-90%，使得Paxlovid能夠快速上市。
時至今日，AI科學家已經成為藥廠的標配。目前武田製藥在波士頓、聖地牙哥和日本湘南有超過500名科學家正在倒騰數據；英國藥廠葛蘭素史克也有超過160名AI、機器學習專家，為研發、生產提供支持。
放眼全球，多個小型創新藥廠通過AI“找到”的新藥已經進入臨床試驗階段。摩根士丹利近期曾預期，未來十年內，在藥物早期研發階段使用AI，將額外為人類帶來50款新藥，相當於為藥廠增加500億美元的銷售額。
資料來源：http://news.hexun.com/2023-05-10/208556978.html