人工智能(AI)有潜力改变制药行业。每个主要的制药球员投资技术在某种程度上,有越来越多的应用程序解决目标和药物发现、临床前和临床发展,post-approval活动。与人工智能潜力提高药物的批准率,减少开发成本,让药物的病人更快和帮助患者遵守治疗。
k咨询调查的行业高管预计,人工智能应用程序将成为医药标准操作模式在未来5到10年。然而,目前,AI提供商和技术的景观是支离破碎的,没有明确的赢家在任何应用程序。创建正确的人工智能策略将非常复杂,往往会有一个陡峭的学习曲线,特别是新兴产业的发展阶段和相对缺乏成功案例记录。
这回顾了人工智能的机会可以带来对制药公司和四个关键因素,球员应该解决在开发人工智能策略。
人工智能的潜力
虽然人工智能没有统一的定义,但大致是指系统能够函数与一定程度的自治和迭代优化过程。在生命科学中,我们“人工智能”一词适用于四个主要方法:
- 机器学习:过程分析输入数据,然后反复优化方法基于生成的输出
- 深度学习:machine-learning-based方法,利用类似于生物神经网络的逻辑结构
- 自然语言处理:精制自动语音识别系统,能够通过对话与人互动,超越简单反应well-stylized用户请求
- 机器人技术和物联网:集成的设备收集、组合和分享不同类型的信息
使用这四种方法,人工智能将加速或替换步骤在药物研发过程中,以显著提高批准率和减少的目标非常高水平的相关费用。目前,大约有90%的所有临床候选药物无法达到批准,推动相关药物开发的成本估计为14亿美元。人工智能已经更广泛的潜在减少的成本行业的研发(R&D)花,最大的10制药公司670亿美元(相当于研发部门的总额的40%)。
人工智能的能力减少药物开发时间已经开始被大型制药公司意识到。诺华公司,例如,使用技术,结合临床试验数据从各种内部资源来预测和监控试验登记,成本和质量。结果,该公司已经减少了10% -15%病人登记次试点试验。
加速药物开发和批准率也可以解锁专利保护市场的利润年专卖权。此外,人工智能有能力优化病人药物被批准后支持。
大型制药公司在AI的投资
所有的十大制药公司(收入)与或AI公司杠杆收购机会技术提出了(参见图1)。
有些伙伴关系应用到临床试验,大部分精力集中在药物发现,反映了低监管障碍发现和更先进的特性可用人工智能的解决方案。
发展人工智能应用程序都发生在光谱的制药业务,从目标发现post-approval活动(见图2和图3),和被用于自动化过程,从大规模数据生成的见解和利益相关方参与的支持。
解决方案利用一系列的数据源,尤其是化学,生物和病人数据,以及文学。BenevolentAI,例如,聚集和分析文献数据,以确定和完善药物先导物及相关目标病人。玩家如Atomwise和XtalPi专攻科学数据(主要是化学和生物信息),可以应用于药物发现。病人的数据所使用的公司,包括解毒剂和牛蛙人工智能优化临床过程,如招聘和监测的患者。
职位发展,人工智能应用程序已经开发了病人监测、合规监测和营销优化。例如CardioDiagnostics,提供无线心脏监测工具;AiCure是一个智能手机应用程序,确保用户在正确的时间服药;为销售和市场分析和Eularis提供了工具。诺和诺德公司的chatbot索非亚使用机器学习和自然语言处理领域糖尿病患者提问,并提供一级反应,从每个交互学习来提高反应的患者曾经由护士在一个呼叫中心。
关键步骤AI战略发展
AI的相当大的承诺使投资战略重点对许多人来说,高水平的研发投入和长期发展时间表意味着即使很小的改进在速度和成本是值得去追求的。同样的,日益增长的重要性post-approval活动支持病人和确保适当的疗法的使用将继续采用人工智能的催化剂。同时,AI开发者构建和精炼应用程序,解决医药客户的需要技术的发展。
由于这些驱动程序,使用人工智能生命科学(特别是药物发现)在未来十年将成为普遍。这一趋势将导致明显的转变在制药公司的操作方法,尤其是在传统和耗时的方法(如大规模筛选),将需要更少和更集中的方式。
考虑到分散,高度监管的行业性质,建立一个有效的人工智能策略被证明是复杂的制药公司。当他们这样做的时候,应考虑四个关键问题:
- 与人工智能公司合作。建筑内部功能可能具有挑战性和昂贵的医药公司,由于人才的缺乏必要的技能在人工智能和生物学的交叉表。更有效的策略,许多公司将与领先的人工智能公司建立伙伴关系。制药公司将受益于一个人工智能的解决方案开发特定于其专有的数据,和AI公司将有机会学习分析数据,改善其功能。
- 数据共享。制药行业内的激烈竞争导致的文化极其有限的制药公司之间的信息共享,与更广泛的药物开发法规和合规标准壁垒加剧了这个问题。因此,一些人工智能的项目已经批评为缺乏的数据。例如,IBM华生的癌症药物发现平台很大程度上收到负面反馈后的指控缺乏患者的放射学之外的数据削弱了人工智能系统的学习和预测能力。形成伙伴关系,共享数据和其他制药公司将有助于优化AI的潜在好处,和计划等公私原子(加速机会医学疗法)财团的地方,有一个增加的势头。
- Algorithm透明度与监管机构。透明度与监管机构关于算法用于药物开发是至关重要的理解AI-powered背后的过程的结论。没有透明度,AI的风险成为一个“黑盒”,导致工具不受严格的同行评审或科学方法。这可能导致不可预见的问题当药物监管机构批准,如接受使用人工智能生物标志物识别。制药公司也应该主动与监管机构合作,同意接受的监管途径的好处。
- Dat一个隐私。相对轻松的工作与正常数据集而言,cs方法导致了人工智能更广泛采用在药物发现比在临床的发展。病人数据的使用是高度敏感,随着人工智能能力的发展,企业必须采取适当的法律和合规措施来保护这些数据的增长。GDPR合规在欧洲尤为重要,未能遵守可能重要的声誉和经济后果。
前方的路
全球制药行业正迎来一个激动人心的时代,作为人工智能的快速发展机会更有效药物,速度和降低成本。发展与挑战和适当的人工智能策略是困扰制药公司需要以新的方式工作,比以往任何时候都更紧密地合作。虽然这将是一段时间第一个增高药物被批准(考虑到典型的十几年来需要从目标发现销售药物),AI的承诺是导致整个行业广泛投资,和影响将是深远的。
07192022050754