科技議題

首頁> 科技議題 - 生醫健康> 2018-2022年人工智慧在全球製藥產業的增長趨勢
2018-2022年人工智慧在全球製藥產業的增長趨勢 Growth Insight—Role of AI in the Pharmaceutical Industry, Global, 2018–2022
2019/09/26
Frost & Sullivan
https://ww2.frost.com/
目前機器學習、深度學習、電腦視覺、自然語言處理等人工智慧AI技術,在各個不同產業中,已有相當廣泛且多元的應用。在製藥產業上,目前已有利用AI提供專有平台、軟體即服務、行動APP、資訊處理等,協助製藥和生物科技公司開發藥物、發展價值鏈、資料分析和數據管理的案例。本篇報告將AI在製藥產業上的角色分成藥物開發、臨床試驗、真實世界證據(RWE)和商業營運等四大部分來進行分析。

一、藥物開發

根據統計有超過25%的開發費用用於發現和驗證及評估潛在候選藥物,因此可利用AI先進的機器學習計算來優化減少成本。未來AI解決方案的採用收益預計將持續增加並在2022年達到6.77億美元,預估2018年至2022年之間平均收益年增長率為23.4%,將主要歸因於成功發現新型藥物分子、提高了成本效益和生產率的上升。目前於藥物開發上,AI之應用包括:
(1) AI與大數據整合:由多項來源進行資料之收集、彙整和分析,以協助增進對藥物分子的毒理學、藥代動力學與反應途徑的了解。
(2) AI協助實現化學自動化過程:如設計、虛擬篩选和結構活性關係(SAR),皆有助於自動化分析成像和實驗數據分析。
(3) AI識別新藥物的可開發性:透過利用計算機模擬、目標物與NLP臨床報告分析、同行評審的文獻和專利、以及基因組數據,來協助快速地識別新藥物的可開發性。
(4) 提升藥物開發進程之效率:AI能準確地進行基因與疾病關聯性驗證,縮短需額外驗證的時間,使得確認特定疾病與開發藥物間更有效率。

二、臨床試驗

AI應用在臨床試驗可從多種來源包括出版物、臨床結果和電子病歷EMR收集資訊匯總成數據庫,用來進行地點識別。還可以協助匹配合適的患者並縮短招募時間,在於療程期間能追蹤患者進展並提供如同風險監測的報告,可根據治療或疾病領域提供建議,得到的數據結果後AI的分析功能還可對試驗設計進行即時診斷或修改微調,並以快速有效的方式識別問題。透過AI能夠剖析與特定疾病的因果關係,從而可以在試驗期間進行先發性風險評估。

以下舉例兩個成功開發AI應用之實例:第一個例子為Evidation開發的行為地圖(Mapping the Behaviorome)平台,其能將智慧手機、感測器,和醫療數據結合在一起,深入分析患者的行為和結果。簡單來說這個平台可以將除了臨床試驗環境外,患者的日常攜帶的智慧手錶與其使用的血壓/血糖機的數據傳到手機再傳到平台資料庫,平台換篩選過濾資料並依關聯性做分析。即對於任何使用的產品所造成影響與患者日常狀態追蹤做成端點的數據進行評估。

第二個例子為Antidote開發的應用程式可以使臨床試驗招募過程民眾化,透過網絡將患者與正在進行的臨床試驗相匹配。這項AI應用程式有幾項優點:(1)Antidote技術使複雜的臨床試驗可在機器上讀取和搜索;(2)患者只需透過回答一些問題就可以在幾秒鐘內搜索成千上萬次試驗以找到匹配臨床試驗項目;(3) 能夠提供患者新的治療方法。

三、真實世界證據(RWE)

根據FDA定義:真實世界證據(RWE)是與醫學產品的使用以及潛在利益或風險有關的臨床證據,該證據源自對與患者健康狀況和從各種醫療機構收集的健康護理相關數據。在數據處理中需要AI,尤其是機器學習(ML)、自然語言處理(NLP)和電腦視覺(CV),以便從各種RWE來源提取和連接,然後進行精確分析。AI的RWE來源為臨床試驗、電子病歷(EHR)、醫院提供的數據、患者報告的結果以及網路資訊。為了進一步利用AI的優勢並確保準確的解釋,必須對數據科學家進行培訓使其了解特定目標。

現今在RWE已有AI案例應用為:GNS Healthcare開發了一個專有平台,該平台利用因果ML來轉換大量多樣的數據,從而提供個別化的建議,如:GNS Healthcare的逆向工程和正向模擬(REFS)平台有助於從疾病模型的模擬中,發現新的事證與知識,從而簡化和支持臨床決策過程,並協助醫師或藥廠為患者提供最佳治療建議。

四、商業營運

AI應用於商業營運,主要分為兩大方向,第一、風險分析:商業解決方案著重於提供預測性和規範性的建議,並整合結構化、半結構化和非結構化的企業,第二、運營分析:解決方案主要著重於採購、資源績效、臨床和運營工作流程,以及和其他企業和合作夥伴之間的資訊管理。目前Lexalytics已成功開發了靈活且能自我驅動的AI,以解決各種進行商業決策時所面臨的問題。其導入AI文本資料探勘(text mining)和NLP(自然語言處理)技術,將社交媒體資訊與客戶回饋意見等進行分析,並發展商業智慧模式。另外,亦提供客戶包括端到端處理、自主分類、自主機器學習、語意整合等服務模組,可完全依客製化需求進行設定,功能相當完善。

總結以上,AI能夠帶給製藥產業五大優勢;(1) 大量數據的見解分析:大量的研究、臨床和商業數據為在AI應用在整個藥物發現的價值中創造了巨大的機會。未來的目標是制定能夠使數據成熟度和數據治理的優化策略。(2) 簡化藥物發現困難:由於有大量未發表、未經驗證的實驗以及臨床數據仍未得到解決整理,與AI公司合作可以在個體和組織之間共享資訊,從而可以提高AI算法的性能互利大家。(3) 個別化治療方法:RWE利用即時患者的基因組、臨床結果和行為數據來提高患者預期結果的最有效方法。為了獲得最大的效益,AI算法在推薦個別化治療之前還必須考慮現有的研究證據和法規指南。(4) 提高效率:引入自動化過程可提高流程效率和生產率。此外,AI可以幫助增強支持人類的決策能力,並提高商業智能的質量和效率。(5) 商業採用技術:AI正在成為商業領域競爭優勢和差異化的重要來源。管理和業務團隊需要開發可實現的特定目標,以幫助推動AI在商業組織中被採用。

楊易軒
英文