«AI Pharmaceuticals»: μια βιομηχανία που δημιουργήθηκε από νέα φαντασία
2024-08-17
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Ο δημοσιογράφος της "China Economic Weekly" Sun Xiaomeng
Καθώς η τεχνολογία τεχνητής νοημοσύνης γίνεται ένα ισχυρό εργαλείο για χιλιάδες βιομηχανίες για τη δημιουργία νέας φαντασίας και μελλοντικών δυνατοτήτων, η βιοφαρμακευτική βιομηχανία αλλάζει επίσης από την τεχνητή νοημοσύνη.
Πρόσφατα, η εφαρμογή της τεχνητής νοημοσύνης στον φαρμακευτικό τομέα έχει προσελκύσει ευρεία προσοχή. Η αγορά ανέκαμψε καλά το πρώτο εξάμηνο του 2024. Υπήρχαν 69 παγκόσμιες χρηματοδοτήσεις φαρμακευτικής τεχνητής νοημοσύνης με ποσό επένδυσης 3,336 δισεκατομμυρίων δολαρίων ΗΠΑ.
Επί του παρόντος, ο παγκόσμιος φαρμακευτικός τομέας τεχνητής νοημοσύνης έχει προσελκύσει τεχνολογικούς γίγαντες όπως η Google, η Microsoft και η Amazon να εισέλθουν στον τομέα. Την ίδια στιγμή, οι κορυφαίες φαρμακευτικές εταιρείες Pfizer, Johnson & Johnson, AstraZeneca και Merck αναπτύσσουν ενεργά σχετικούς τομείς έρευνας και ανάπτυξης. . Μέχρι στιγμής, υπάρχουν περισσότερες από 100 φαρμακευτικές εταιρείες τεχνητής νοημοσύνης στην Κίνα.
Ευνοείται από τους γίγαντες, τα αυξανόμενα κεφάλαια και την αναπτυσσόμενη επιχειρηματικότητα... ποια είναι η γοητεία των φαρμακευτικών προϊόντων τεχνητής νοημοσύνης; Πού είναι οι ευκαιρίες; Πρόκληση γεωμετρίας;
Η «παρελθούσα και παρούσα ζωή» των φαρμακευτικών προϊόντων AI
Υπάρχει ένας πολύ διάσημος «Νόμος του Διπλού Δέκα» στον παραδοσιακό φαρμακευτικό τομέα, δηλαδή το κόστος Ε&Α είναι 1 δισεκατομμύριο δολάρια ΗΠΑ και ο κύκλος Ε&Α είναι 10 χρόνια. Τα τελευταία στοιχεία δείχνουν ότι το παγκόσμιο μέσο κόστος Ε&Α καινοτόμων φαρμάκων είναι περίπου 2,6 δισεκατομμύρια δολάρια ΗΠΑ, με κύκλο Ε&Α 10,5 ετών. Ενώ οι φαρμακευτικές εταιρείες επενδύουν πολλά, αντιμετωπίζουν επίσης τον υψηλό κίνδυνο να αποτύχουν νέα φάρμακα στη φάση της κλινικής δοκιμής.
Η ανάπτυξη νέων φαρμάκων είναι μια πολύπλοκη και χρονοβόρα διαδικασία που γενικά χωρίζεται σε πολλά κύρια στάδια. Το στάδιο ανακάλυψης φαρμάκου περιλαμβάνει τα ακόλουθα βήματα, την επιβεβαίωση του στόχου, τον εντοπισμό βιομορίων ή οδών που σχετίζονται με τη νόσο ως πιθανούς στόχους φαρμάκων, δεύτερον, έλεγχο υψηλής απόδοσης, χρησιμοποιώντας αυτοματοποιημένη τεχνολογία για τον έλεγχο χιλιάδων έως εκατομμυρίων ενώσεων για την εύρεση υποψήφιων φαρμάκων. αλληλεπιδρούν με τα μόρια-στόχους, το τρίτο είναι η βελτιστοποίηση της ένωσης μολύβδου, η βελτιστοποίηση των αρχικά ελεγμένων ενώσεων για τη βελτίωση της δραστικότητας, της εκλεκτικότητας και των ιδιοτήτων του φαρμάκου.
Μετά την ανακάλυψη του φαρμάκου, ακολουθεί η προκλινική έρευνα, οι κλινικές μελέτες, η ρυθμιστική έγκριση και η παρακολούθηση μετά την κυκλοφορία του νέου φαρμάκου. Η τεχνητή νοημοσύνη μπορεί να συμμετάσχει στο στάδιο ανακάλυψης φαρμάκων, βελτιστοποιώντας την ανάπτυξη φαρμάκων μέσω επαγωγικής συλλογιστικής και χρησιμοποιώντας υπολογιστική ισχύ για να επιταχύνει τον έλεγχο και τη βελτιστοποίηση των ενώσεων μολύβδου. Η τεχνητή νοημοσύνη μπορεί επίσης να διαδραματίσει ρόλο στη μετα-επεξεργασία.
Επί του παρόντος, τα εργαλεία τεχνητής νοημοσύνης έχουν επιτύχει κάποια αποτελέσματα στο στάδιο της ανακάλυψης φαρμάκων. Για παράδειγμα, το εργαλείο AlphaFold της Google DeepMind βελτιώνει σημαντικά την αποτελεσματικότητα της ανακάλυψης φαρμάκων προβλέποντας την τρισδιάστατη δομή των πρωτεϊνών. Χρησιμοποιεί αλγόριθμους βαθιάς μάθησης για να φέρει ανακαλύψεις στον τομέα της μοριακής βιολογίας.
Επιπλέον, εταιρείες όπως η Insilico Medicine έχουν χρησιμοποιήσει επίσης την τεχνολογία AI για τη δημιουργία νέων μορίων φαρμάκων και έχουν εισέλθει με επιτυχία σε κλινικές δοκιμές. Η πρακτική έχει δείξει ότι η τεχνητή νοημοσύνη έχει δυνατότητες στον έλεγχο και τη βελτιστοποίηση φαρμάκων. Μπορεί να συντομεύσει σημαντικά τη διαδικασία ανακάλυψης φαρμάκων και να βελτιώσει το ποσοστό επιτυχίας του προσυμπτωματικού ελέγχου μέσω μοντέλων εκπαίδευσης.
Επί του παρόντος, πολλοί τεχνολογικοί γίγαντες είναι αισιόδοξοι για τον τομέα των φαρμακευτικών προϊόντων τεχνητής νοημοσύνης. Για παράδειγμα, η Pfizer και η IBM Watson Health συνεργάζονται για να διερευνήσουν την εφαρμογή της τεχνητής νοημοσύνης στη θεραπεία του καρκίνου.
Υπάρχουν τρεις κύριοι τύποι εταιρειών στο φαρμακευτικό κομμάτι της τεχνητής νοημοσύνης: τεχνολογικοί γίγαντες, νεοφυείς επιχειρήσεις και μεγάλες φαρμακευτικές εταιρείες. Οι δραστηριότητες της εταιρείας χωρίζονται σε βιομηχανικές αλυσίδες, κυρίως AI+biotech (χρησιμοποιώντας AI για την ανεξάρτητη ανάπτυξη καινοτόμων φαρμάκων), AI+CRO (χρησιμοποιώντας AI για την παράδοση ενώσεων μολύβδου και προκλινικών υποψήφιων ενώσεων στους πελάτες) και AI+SaaS (παρέχοντας μόνο εργαλεία AI ).
Η φαρμακευτική βιομηχανία τεχνητής νοημοσύνης της Κίνας έχει ήδη παρουσιάσει τα σχέδιά της
Τον Ιανουάριο του 2022, το «14ο Πενταετές Σχέδιο για την Ανάπτυξη της Φαρμακευτικής Βιομηχανίας» που εκδόθηκε από κοινού από εννέα τμήματα, συμπεριλαμβανομένου του Υπουργείου Βιομηχανίας και Πληροφορικής, ανέφερε ότι είναι απαραίτητο να διερευνηθεί η εφαρμογή της τεχνητής νοημοσύνης, του cloud computing, των μεγάλων δεδομένων και άλλες τεχνολογίες στον τομέα της έρευνας και ανάπτυξης βιολογικών δεδομένων εξόρυξης υπολογισμών και προσομοίωσης βελτιώνουν την αποτελεσματικότητα της ανακάλυψης νέων στόχων και νέων φαρμάκων.
Στις 30 Ιουλίου, η δημοτική κυβέρνηση της Σαγκάης εξέδωσε "Διάφορες γνωμοδοτήσεις του Γενικού Γραφείου της Δημοτικής Λαϊκής Κυβέρνησης της Σαγκάης σχετικά με την υποστήριξη της καινοτόμου ανάπτυξης ολόκληρης της αλυσίδας της βιοφαρμακευτικής βιομηχανίας" (εφεξής οι "Γνώμες"). Αναφέρεται ότι η τεχνολογία τεχνητής νοημοσύνης θα πρέπει να υποστηριχθεί για να ενδυναμώσει την έρευνα και ανάπτυξη φαρμάκων, να δημιουργήσει έναν ανοιχτό μηχανισμό κοινής χρήσης για ερευνητικά δεδομένα κοόρτης, να δημιουργήσει υψηλής ποιότητας σύνολα δεδομένων και να βελτιώσει τον μηχανισμό συνεργασίας χρήσης πόρων δεδομένων ιατρικής και ιατρικής ασφάλισης .
Οι «Γνώμες» που εξέδωσε αυτή τη φορά η Σαγκάη επικεντρώνονται στον ρόλο της τεχνολογίας τεχνητής νοημοσύνης στη βασική έρευνα, την έρευνα και ανάπτυξη νέων φαρμάκων, τις ιατρικές υπηρεσίες και άλλες πτυχές.
Η Σαγκάη ίδρυσε τη "Συμμαχία Έρευνας και Ανάπτυξης Νέας Φαρμάκων Zhangjiang AI" τον Οκτώβριο του 2021. Η συμμαχία ιδρύθηκε και ξεκίνησε από το Shanghai Institute of Materia Medica, την Κινεζική Ακαδημία Επιστημών, το Ινστιτούτο Προηγμένων Σπουδών της Σαγκάης του Πανεπιστημίου Zhejiang, Medicilon, Insilico Intelligence , Shanghai Hansen και άλλες μονάδες, συμπεριλαμβανομένων Συνολικά 15 εταιρείες, συμπεριλαμβανομένων των Zhangjiang Group και Jingtai Technology ιδρύθηκαν από κοινού.
Στις 13 Ιουνίου φέτος, η Jingtai Technology εισήχθη στο Χρηματιστήριο του Χονγκ Κονγκ, δεν θεωρείται μόνο ως η «πρώτη φαρμακευτική μετοχή τεχνητής νοημοσύνης στην Κίνα», αλλά και η πρώτη εταιρεία σκληρής τεχνολογίας που εισήχθη υπό τους κανόνες 18C. Το 2022, 16 από τις 20 εταιρείες βιοτεχνολογίας με τα υψηλότερα έσοδα στον κόσμο είναι πελάτες της.
Τα τελευταία χρόνια, οι εγχώριες φαρμακευτικές επενδύσεις τεχνητής νοημοσύνης γνώρισαν μια βόλτα με τρενάκι. Το πρώτο εξάμηνο του τρέχοντος έτους, ο κλάδος κέρδισε δυναμική στην αγορά χρηματοδότησης. Ωστόσο, κάτω από τη ζωηρή εμφάνιση, είναι σημαντικό να σημειωθεί ότι οι κινεζικές φαρμακευτικές εταιρείες τεχνητής νοημοσύνης βρίσκονται ακόμη στα αρχικά στάδια ανάπτυξης και οι περισσότερες φαρμακευτικές εταιρείες βρίσκονται ακόμη στους πρώτους γύρους της κεφαλαιαγοράς. Επιπλέον, πολλοί επενδυτές έχουν μια νοοτροπία αναμονής για τον φαρμακευτικό τομέα της τεχνητής νοημοσύνης.
Ευκαιρίες και προκλήσεις των φαρμακευτικών προϊόντων AI
Αν και τα φαρμακευτικά προϊόντα τεχνητής νοημοσύνης έχουν δείξει μεγάλες δυνατότητες, εξακολουθεί να αντιμετωπίζει πολλές προκλήσεις. Το πρώτο είναι το ζήτημα της ποιότητας και της πολυπλοκότητας των δεδομένων. Η ανάπτυξη φαρμάκων απαιτεί μεγάλη ποσότητα δεδομένων υψηλής ποιότητας.
Επιπλέον, καθώς η εφαρμογή των φαρμακευτικών προϊόντων τεχνητής νοημοσύνης γίνεται ολοένα και πιο διαδεδομένη, τα σχετικά ρυθμιστικά και ηθικά ζητήματα γίνονται όλο και πιο σημαντικά. Το 2023, ο Οργανισμός Τροφίμων και Φαρμάκων των ΗΠΑ (FDA) εξέδωσε οδηγίες σχετικά με την εφαρμογή της τεχνητής νοημοσύνης στην ανακάλυψη φαρμάκων, τονίζοντας τη σημασία του ελέγχου κινδύνου και των ρυθμιστικών προτύπων.
Ταυτόχρονα, όσον αφορά τα επιχειρηματικά μοντέλα και την οικολογία της βιομηχανίας, παρόλο που οι νεοεισερχόμενες εταιρείες τεχνολογίας διαθέτουν ισχυρά κεφάλαια, οι μεγάλες φαρμακευτικές εταιρείες εξακολουθούν να είναι ισχυρές σε αυτό το κομμάτι. Πολλές νεοφυείς επιχειρήσεις έχουν επίσης καλή απόδοση.
Αν και η τεχνητή νοημοσύνη είναι εξαιρετική σε ορισμένες πτυχές, εξακολουθούν να υπάρχουν εμπόδια στον μετασχηματισμό των τεχνολογικών επιτευγμάτων. Μέχρι στιγμής, κανένα νέο φάρμακο που αναπτύχθηκε εξ ολοκλήρου από AI δεν έχει εισέλθει με επιτυχία στην αγορά. Από τη μία πλευρά, αυτό οφείλεται στο γεγονός ότι η ίδια η τεχνολογία AI βρίσκεται ακόμη σε στάδιο ανάπτυξης, από την άλλη πλευρά, η έρευνα και ανάπτυξη φαρμάκων, όπως αναφέρθηκε παραπάνω, είναι εξαιρετικά περίπλοκη επόμενα βήματα.
Είναι προβλέψιμο ότι με τη συνεχή πρόοδο της τεχνολογίας και τις συνεχείς επενδύσεις κεφαλαίων, τα φαρμακευτικά προϊόντα τεχνητής νοημοσύνης μπορεί να επιτύχουν περισσότερες καινοτομίες στο μέλλον, αλλά θα πρέπει να αντιμετωπίσουν πολλές προκλήσεις όπως η διαχείριση δεδομένων, η προσαρμογή του επιχειρηματικού μοντέλου, οι κανονισμοί και η δεοντολογία και οι τεχνικοί περιορισμοί .
Τα φαρμακευτικά προϊόντα τεχνητής νοημοσύνης μπορεί να είναι το «επόμενο μέλλον», αλλά υπάρχει πολύς δρόμος μπροστά.
(Αυτό το άρθρο δημοσιεύτηκε στο "China Economic Weekly" Τεύχος 15, 2024)
