Pharmaceutical Technology : AI 對於藥物發現和開發的未來至關重要
根據GlobalData的數據，預測到2030年，AI市場的價值將達到約9090億美元。AI的這種迅速增長意味著包括藥物發現的多個行業，都將發生根本性的轉變。儘管傳統的藥物發現方法根源於數十年的研究，但在時間消耗、成本和低成功率方面都受到了挑戰。歷史數據顯示，只有10%的藥物候選者在臨床前開發後進入臨床試驗。這種低效和給開發者帶來的財務負擔促使這個行業尋找更現代的解決方案。AI在重新塑造藥物發現方面具有深遠的潛力。通過利用AI，研究者可以以前所未有的速度深入探索廣闊的化學空間。例如，傳統的in silico方法（電腦模擬）已經被增強，可以探索大量的生物數據。這種AI整合導致了對疾病在分子水平上的更好理解。專門的供應商利用AI繪製疾病途徑和藥物與蛋白質之間的相互作用，確定新的治療方法。像DeepMind的AlphaFold這樣的先進工具正在革命性地預測目標蛋白結構，從而改變藥物設計。此外，AI在篩選階段的能力也得到了擴展。它可以識別潛在的藥物化合物，根據其可行性對它們進行排名，甚至識別出與之前所謂「不可用藥」的目標互動的化合物，以及重新（de novo）藥物設計、藥物再定位以及治療反應生物標記物的識別。AI的一個顯著特點是它能夠將一個典型的四到五年的探索性研究階段縮短到不到一年，大大減少了將藥物上市的時間和成本。在過去的三到四年中，人們對AI在藥物發現中的作用越來越感興趣。此一衝力展現在初創公司的激增，藥物發現合作的升級，以及投資的記錄性增長。2023年在AI藥物發現方面取得了幾項重大成果：1月份，AbSci首次使用零樣本（zero shot）生成AI在電腦模擬中創建和驗證de novo抗體，這可能將新藥物先導轉入臨床試驗所需的時間減少一半。到2023年2月，Insilico Medicine 通過其AI平台Pharma.AI發現並設計了一種新型的特發性肺纖維化治療方法，並獲得了FDA的孤兒藥物指定。儘管這些里程碑很有希望，但大多數使用AI開發的新藥仍處於初步階段。獲得基於AI的治療方法的批准可能還需要多年的時間。儘管AI具有變革性的潛力，但它確實帶來了一系列挑戰，例如確保藥物的持續安全性，解決數據質量問題，建立科學界的信任，以及處理復雜的知識產權問題。當與傳統流程結合時，AI的能力呈現出一個強大的組合，可以大大加快藥物的開發，為患者、醫療專業人員和製藥行業帶來徹底的改造。