AI+醫藥6大場景解析,緊跟風口的醫藥行業引領者都在做什麼?

藥明康德AI發表於2019-03-27

近年來,隨著技術的不斷革新,幫助製藥業改變現狀、降低成本、實現更大的價值。從個性化治療到預防,技術發展給製藥公司的傳統商業模式帶來了挑戰。 

在眾多新興技術中,人工智慧和高階分析受到了製藥業越來越多的關注。這些技術的價值在於,它們能夠快速處理大量複雜的結構化和非結構化資料,為相關人員的實際操作提供建議,從而降低成本、縮短藥物上市時間並在市場上獲得競爭優勢。

動脈網編譯了FICCI釋出的《人工智慧和高階分析在製藥業的應用》報告。

FICCI是印度工商聯合會( Federation of Indian Chambers of Commerce & Industry) 的縮寫,成立於1927年,是印度歷史最悠久的全國性商會組織。該聯合會有500多家地區與行業商會成員,遍佈印度工商各業,代表印度25萬家公司,這些公司總僱員約有2000萬人。

FICCI還與各國工商界有著廣泛的聯絡,與74個國家和地區建立了聯合商務委員會(Joint Business Council, JBC)。通過此報告,讀者可以看到FICCI眼中的AI+醫藥圖景。

人工智慧和高階分析成醫藥數字化新風口

目前,全球製藥業正經歷兩大轉變:首先是整個醫療價值鏈的轉變,政府和保險公司作為中心力量,向製藥公司施加壓力,要求它們降低價格,提升藥物價值。其次,醫療模式正逐漸從治療轉向預防、診斷和治癒的模式,並吸引了行業內外大量競爭者加入。

這一轉變是由三種發展趨勢所推動的:突破性的創新療法、技術的進步以及通過獲取和分析患者資料而實現的醫療消費。

雖然目前大部分技術還是應用於藥物發現領域,但在藥物劑量和用藥安全、製造和供應鏈以及商業化等其他領域,人工智慧的實際應用也在進一步探索中。就人工智慧和高階分析技術而言,製藥公司需要選擇他們的業務領域以及合作伙伴。我們可以看到,藥企越來越強調合作關係,其中最多的便是與科技初創企業的合作。 

放眼未來,“科技+醫藥”這一市場有著巨大的發展潛力。原因在於,領跑者獲得了高回報,雖然給其他競爭者帶來了不小的壓力,但也鼓勵更多人加入到市場競爭中。另一方面,受到初創企業的推動,這些技術的應用範圍十分廣泛。與此同時,監管機構需要改變其審批醫療裝置的傳統方式,並配備相關的技術知識和專業人員,以便更快地評估和批准這些新興技術。 

科技的進步以不同的方式為許多複雜的事情帶來可能性。包括行動通訊、雲端計算、高階分析和物聯網(IoT)在內的數字技術,正在顛覆工業製造、零售、電信、銀行業和醫藥製造等傳統行業。各種驅動力正在加速醫藥領域的數字化轉型: 

  • 提高效率,降低醫藥研發成本;

  • 優化產品質量,讓生產過程更符合規範;

  • 增加與患者的互動,提高回購率;

  • 提高疾病診斷和治療的水平;

  • 確定患者的需求,降低供需之間的差距;

  • 拓寬產品種類和服務範圍。

在新興技術領域,人工智慧和高階分析正在挑戰製藥公司的傳統商業模式。因此,一些科技公司可能和傳統醫藥公司不同,它們會提出新的商業模式,並儘可能讓醫藥公司接受。製藥行業產生的資料量呈指數級增長,因此,藥企的首要任務在於,利用這些資料來驅動價值。其最終目標是簡化醫藥價值鏈,提高藥品生產效率和審批率,並降低成本。

為了更好地發展新興技術,頂級製藥公司已經對一領域進行大量投資,並與人工智慧公司結成戰略聯盟,將人工智慧技術整合到它們的價值鏈中。

AI+醫藥6大場景解析,緊跟風口的醫藥行業引領者都在做什麼? 圖1:全球頭部製藥企業在AI+醫藥方面的佈局

 資料來源:FICCI

這些公司大多選擇與人工智慧公司結成戰略聯盟,利用人工智慧進行藥物研發。由於這些合作關係處於製藥公司的核心部分,一些製藥公司也認為它們需要在內部開發相關技術,比如在藥物劑量及用藥安全方面。

製藥行業的人工智慧正逐漸從最初的研發階段向後消費階段轉變。

該行業的一些發展趨勢包括: 

  • 藥物研發:大型製藥公司選擇發展自己的AI技術,或者與AI初創企業合作,來加快藥物研發過程,實現個體化用藥;

  • 藥物劑量和用藥安全:人工智慧可以根據患者的病情和特點,為每位患者定製相應的藥物劑量。人工智慧被應用於安全價值鏈的各個階段,以提高整體質量和藥物依從性;

  • 藥物生產和供應鏈:人工智慧正被用於優化整個生產過程中的藥物驗證以及假藥識別;

  • 商業化:人工智慧越來越多地被用於患者分類,提高藥物療效,減少不良反應;

  • 監管機構的審批:簡化臨床藥品的審批流程,使之更加快速、透明。 

而在印度,製藥公司最近才開始將人工智慧應用於藥物研發和產品供應鏈。藥物發現仍然是醫藥行業數字化轉型的重點領域,因為人工智慧可以通過掃描資料庫,尋找到藥物的特定分子。

六大AI應用場景落地迎來“爆發期”

1.AI+藥物研發

藥物發現過程通常涉及到大量化合物的鑑定,人工智慧可以簡化這一過程,通過使用演算法來檢查分子的化學特徵,以確定它是否可以用來製造藥物。葛蘭素史克GSK、賽諾菲Sanofi、武田製藥Takeda Pharma和默克Merck等製藥公司已與人工智慧初創企業建立了多種合作關係: 

GSK與英國的人工智慧初創企業Exscientia合作,出資4300萬美元用於藥物研發,在未公開的治療區域為10個選定的靶向藥物識別小分子。Sanofi與 Exscientia簽署了一份價值2.83億美元的戰略合作協議,為糖尿病和其他代謝疾病研發新療法。

藥物的再利用是另一個常見用例——老藥新用。不同的演算法可以為現有藥物或處於後期開發中的候選藥物確定新的潛在應用。

將處於後期開發中的藥物用於新的治療領域是許多生物製藥公司的首選策略,如Sanofi 和人工智慧初創企業Recursion Pharmaceuticals合作,共同進行藥物研發,旨在將Sanofi的臨床階段小分子用於各種遺傳疾病的治療。Astellas Pharma與大資料生物資訊公司NuMedii合作,利用機器學習技術進行藥物的再利用。

開發生物標誌物是藥物研發的重要階段,人工智慧在這一領域的應用越來越多。流感疫苗全球領導者賽諾菲巴斯德(Sanofi Pasteur)利用Berg Health的平臺和人工智慧工具,來識別分子特徵、開發潛在的生物標誌物,以便評估流感疫苗的免疫反應。

此外,藥企越來越關注數字生物標誌物,這有利於獲取具有臨床意義的客觀資料,提高成本效益。

2.AI+用藥安全

藥物劑量:新加坡國立大學建立了一個名為“CURATE.AI”的人工智慧平臺。它可以利用患者的臨床資料,比如歷史記錄,來快速識別藥物劑量,並在此基礎上對腫瘤大小或腫瘤生物標誌物水平進行修正。這些資料還可用於根據患者的需要定製不同療程。

臨床安全:Agios Pharmaceuticals利用自然語言處理(NLP),幫助其系統做出快速全面的決策。該技術還可以通過探索性研究,識別安全訊號,用於臨床前的藥物研發。此外,自然語言處理還可用於研究患者的症狀模式,以幫助識別患者是否處於高危情況。

非臨床安全:Merck公司利用NLP技術來自動化工作流程,將非結構化資料和結構化資料結合,進行分析,為安全評估團隊建立視覺化的商業智慧儀表盤。這一過程使公司能夠識別只有在長期測試中才能識別的異常情況。

藥物警戒:GSK的臨床安全團隊通過研究醫學文獻,不斷確定相關的安全訊號。GSK擁有近200種產品組合,它可以利用NLP來提高研究效率和語言處理速度,使搜尋過程更加規範,並更快確定藥物和不良事件之間的關係。

3.AI+藥物生產和供應鏈

Veripad利用機器學習技術來識別供應鏈中的假藥。該組織設計了一種化學測試卡,用於快速檢測常見藥物的成分。將這種測試卡和對應的移動應用程式一起使用,就可以鑑別假藥。最後,Veripad利用資料分析技術來彙總每次測試的結果,以便更好地瞭解假藥劣藥的流通情況。

針對藥物分類,Veripad的第一代應用程式已經可以達到80%的精確度。紐約大學的研究團隊也利用機器學習技術,開發了一種新的機制,用於識別同款產品的真假情況。

4.AI+市場開拓和商業化

一家全球製藥企業與人工智慧和分析公司Aktana合作,旨在簡化他們的多渠道營銷(MCM)流程。該企業認為,醫生更有可能開啟並回復醫藥公司代表發來的電子郵件,而不是一封自動發出的郵件。基於這一資訊,公司決定在Aktana的幫助下簡化其患者追蹤渠道。

由於這些過程非常複雜且耗時,Aktana幫助製藥公司來預合成資料、傳送定時電子郵件以及跟蹤客戶關係管理(CRM)中的互動。在採納了Aktana的建議後,該公司收到的客戶郵件數量增加了23倍,電子郵件參與度提高了兩倍。

5.AI+患者個性化診療

腫瘤學一直是製藥業的主要研究領域之一,該學科的重點是尋找腫瘤和癌症的最佳治療方法。為了達到這一目的,臨床醫生首先要根據特定患者的病因,確定合適的治療方法。

IBM Watson利用其在資料分析機器學習方面的先進技術,可以對電子健康記錄(EHR)和相關資訊中的資料進行分析,以便進一步研究適合單個患者的最佳治療方案。

此外,人工智慧還被用於幫助患者匹配臨床試驗,這有助於改善癌症臨床試驗的結果。諾華(Novartis)與IBM Watson展開合作,在晚期乳腺癌領域應用此類解決方案,並計劃進一步擴大到更廣泛的腫瘤學領域。兩家公司旨在通過分析實時患者資料,改善患者的治療效果。

匈牙利的創業公司Turbine與德國製藥巨頭拜耳公司(Bayer)合作,將人工智慧技術與癌症治療相結合。Turbine想要通過基因測序建立一個模擬癌細胞,相關軟體可以幫助進行數以百萬計的模擬,以開發最佳的治療組合。

通過顯著縮短試驗週期,這一概念可以幫助製藥公司獲得高投資回報。此外,在沒有明確治療計劃的情況下,Turbine的AI平臺可以測試數百萬種治療組合,以找到最合適的治療方法。

6.AI+通過遠端醫療和移動醫療實現患者連線

倫敦的AI健康應用程式製造商Ada health推出了一款遠端醫療應用程式。該程式可以利用人工智慧自然語言處理(NLP),根據患者的症狀,生成相關的問題和建議。

它的設計靈感來源於,該公司意識到製藥和健康行業正在採用以患者為中心的模式。這款應用可以讓醫生和人工智慧助手一起工作,來照顧患者。

此外,該公司還與藥店Karepack合作,可以將醫生開的處方藥送到患者家中。

AI+醫藥,前路尚遠

對於製藥公司來說,僅僅認識到這兩個轉變是不夠的——降低價格並提高其療法的價值,以及從治療轉向預防、診斷和治癒的模式。藥企面臨的最大挑戰在於,如何以一種全面的方式,迅速果斷地適應這些變化給商業和運營模式帶來的影響。

與此同時,製藥公司越來越多地應用人工智慧和高階分析等不同技術,這不僅有利於提高效率、降低成本,而且能夠適應以患者為中心的商業模式。自動化、效率和協作等幾個關鍵因素將在重塑製藥業以患者為中心的格局中發揮重要作用。

綜合運用這些技術將成為未來趨勢,並改變醫藥價值鏈的整體前景。無論是與人工智慧初創企業合作,還是開發內部技術,製藥公司都正在進行數字化轉型,並在人工智慧技術上進行投資。雖然目前只有少數醫藥價值鏈真正採用了這些技術,但在未來幾年,人工智慧和高階分析等技術將有望改變醫藥這一傳統行業。

參考資料、題圖來源

http://ficci.in/spdocument/23066/Knowledge-Paper-India-Pharma-2019.pdf

相關文章