国产在线精品第一区二区,国产精品不卡一区二区,国产又粗又黄又爽的大片,国产兽交xvidseos视频,国产亚洲精品美女久久久

不論是削減銷售費(fèi)用，還是關(guān)閉生產(chǎn)基地、研發(fā)中心和批量裁員，縮減成本幾乎是所有藥企當(dāng)下專注的課題。貝恩公司一項(xiàng)調(diào)查顯示，40%的藥企已經(jīng)在2024年的預(yù)算中考慮了預(yù)期的節(jié)省，60%的藥企已經(jīng)制定降低成本或提高生產(chǎn)率的目標(biāo)。

在此背景下，人工智能（AI）在藥物開發(fā)、制造和商業(yè)化方面的作用，以及可能帶來(lái)的效益提升再次被重視。特別是在過(guò)去兩年的生成式AI熱潮推動(dòng)下，市場(chǎng)重燃了對(duì)AI制藥公司的投資熱情：2023年全球AI制藥Top 10總?cè)谫Y額約為15.3億美元，比2022年的9.26億美元增長(zhǎng)約65%，且更多涉及生成式AI蛋白藥物、mRNA疫苗、基因編輯、非編碼RNA等前沿領(lǐng)域。

跨國(guó)藥企與AI制藥公司合作加深

無(wú)論生成式AI如何被看作是醫(yī)藥行業(yè)提升效率，甚至是突破診療模式的重大機(jī)遇，最終能為AI制藥付費(fèi)并應(yīng)用至實(shí)際開發(fā)與商業(yè)化的，還是大型跨國(guó)藥企。

摩根大通醫(yī)療健康年會(huì)（JPM大會(huì)）期間宣布的交易事件，一直被視為醫(yī)療健康行業(yè)的關(guān)鍵風(fēng)向標(biāo)。今年初的JPM大會(huì)上，谷歌母公司Alphabet旗下的AI生物技術(shù)公司Isomorphic Labs宣布分別與禮來(lái)和諾華達(dá)成戰(zhàn)略研究合作協(xié)議，兩項(xiàng)合作潛在總金額近30億美元。

2023年，賽諾菲宣布“Allin AI”戰(zhàn)略，其官方招聘信息也顯示，公司有多達(dá)100多個(gè)職位正在招聘AI人才，傳統(tǒng)的藥化分析職位需求遠(yuǎn)遠(yuǎn)少于AI藥物發(fā)現(xiàn)職位。今年2月份，賽諾菲首席執(zhí)行官Paul Hudson表示，賽諾菲在項(xiàng)目中采用的核心AI模型準(zhǔn)確率預(yù)測(cè)高達(dá)80%，90%的疾病靶標(biāo)均通過(guò)單細(xì)胞基因組學(xué)認(rèn)證，75%的小分子項(xiàng)目通過(guò)AI和機(jī)器學(xué)習(xí)化合物設(shè)計(jì)實(shí)現(xiàn)。該公司或?qū)⒊蔀榈谝患掖笠?guī)模AI驅(qū)動(dòng)研發(fā)的跨國(guó)制藥公司。

事實(shí)上，跨國(guó)藥企對(duì)與AI制藥公司的合作是充滿熱情的。2023年至今，幾乎所有大型跨國(guó)藥企都有和AI制藥公司開展合作。相比早年間基礎(chǔ)的化合物篩選，如今兩方之間的合作內(nèi)容更加豐富，包括靶點(diǎn)識(shí)別、候選化合物篩選、分子優(yōu)化和臨床數(shù)據(jù)管理等。不少合作項(xiàng)目瞄準(zhǔn)了腫瘤學(xué)、神經(jīng)病學(xué)、免疫學(xué)、炎癥性疾病等醫(yī)療需求尚未滿足的重大疾病領(lǐng)域；多個(gè)合作項(xiàng)目提到利用多模態(tài)數(shù)據(jù)庫(kù)、整合分子學(xué)數(shù)據(jù)進(jìn)行藥物靶點(diǎn)識(shí)別，反映出多組學(xué)數(shù)據(jù)驅(qū)動(dòng)的AI藥物發(fā)現(xiàn)正成為趨勢(shì)；有合作項(xiàng)目專門針對(duì)mRNA藥物、基因編輯療法的靶點(diǎn)識(shí)別，顯示AI正助力新型治療手段的開發(fā)；也有合作項(xiàng)目涉及利用AI簡(jiǎn)化臨床試驗(yàn)數(shù)據(jù)管理和審查流程，顯示AI正向臨床開發(fā)后端延伸。

“跨國(guó)藥企有資金、有數(shù)據(jù)，更有豐富的藥物研發(fā)經(jīng)驗(yàn)，但跨國(guó)藥企一般不會(huì)自己開發(fā)所有工具，大多數(shù)情況下更傾向于使用專業(yè)公司開發(fā)的工具?！币倏萍紕?chuàng)始人謝鑫解釋了跨國(guó)藥企大量與AI藥物開發(fā)平臺(tái)合作的現(xiàn)象，跨國(guó)藥企普遍看好AI在藥物開發(fā)中的應(yīng)用，并將其視為提高效率、降低成本和加速藥物上市的關(guān)鍵工具。如果AI制藥公司能夠有獨(dú)特的技術(shù)解決跨國(guó)藥企的痛點(diǎn)，并且?guī)椭淅斫釧I制藥平臺(tái)的技術(shù)優(yōu)勢(shì)，往往會(huì)受到青睞。

對(duì)AI制藥公司來(lái)說(shuō)，與跨國(guó)藥企的合作是其獲取必要資源、加速藥物開發(fā)進(jìn)程和拓寬業(yè)務(wù)范圍的機(jī)會(huì)。2023年1月至2024年2月，跨國(guó)藥企與AI制藥公司公開披露的潛在合作總額超過(guò)120億美元（詳見(jiàn)表）。

需要給AI制藥更多耐心

AI能夠快速完成藥物篩選和化合物設(shè)計(jì)，目前，使用AI來(lái)設(shè)計(jì)分子是其在藥物開發(fā)中的主要應(yīng)用方式。AI設(shè)計(jì)的分子覆蓋全面，同時(shí)成藥性質(zhì)更加均衡。

但是，AI能否提高藥物開發(fā)的成功率還有待檢驗(yàn)。進(jìn)入臨床試驗(yàn)階段后，許多通過(guò)AI設(shè)計(jì)的分子藥物開發(fā)進(jìn)展緩慢或失敗，效果不如預(yù)期，如住友制藥和PsychoGenics公司利用Smart Cube平臺(tái)開發(fā)的精神分裂癥藥物候選物Ulotaront的Ⅲ期臨床試驗(yàn)失敗。少數(shù)有所成就的管線，AI在其中的貢獻(xiàn)是有限的。例如，武田60億美元收購(gòu)的TYK2抑制劑TAK-279（此前被稱為NDI-034858）一度被熱捧為“AI驅(qū)動(dòng)的藥物研發(fā)”，但事實(shí)上，這是Schrodinger公司和Nimbus公司參考百時(shí)美施貴寶發(fā)表的分子結(jié)構(gòu)，通過(guò)自由能微擾（FEP）計(jì)算優(yōu)化得到的。FEP計(jì)算可用來(lái)預(yù)測(cè)同系物的相對(duì)結(jié)合自由能變化，得益于近些年計(jì)算機(jī)性能的迅猛發(fā)展，已成為藥物設(shè)計(jì)中研究自由能的主流方法。

Schrodinger公司認(rèn)為，機(jī)器學(xué)習(xí)只能根據(jù)從訓(xùn)練數(shù)據(jù)中學(xué)到的知識(shí)建立預(yù)測(cè)模型，覆蓋可能開發(fā)的分子總數(shù)的“極小部分”。藥物發(fā)現(xiàn)的關(guān)鍵在于理解生物學(xué)機(jī)理和明確臨床指標(biāo)，正確提出問(wèn)題比算法更重要，而生成式AI只能以新的方式結(jié)合它們已經(jīng)知道的東西輸出，不能進(jìn)行全新的輸出。

謝鑫表示，通過(guò)AI制藥進(jìn)入臨床試驗(yàn)的管線還不夠多，現(xiàn)有的失敗案例還不足以判斷AI制藥對(duì)臨床試驗(yàn)成功率的影響。AI制藥管線的失敗是研發(fā)過(guò)程中的一個(gè)自然環(huán)節(jié)，應(yīng)當(dāng)被視為學(xué)習(xí)和改進(jìn)的機(jī)會(huì)。失敗可以揭示AI模型的局限性、數(shù)據(jù)質(zhì)量問(wèn)題或特定疾病領(lǐng)域的復(fù)雜性，為未來(lái)的研究提供寶貴的經(jīng)驗(yàn)。這也為未來(lái)行業(yè)整合高質(zhì)量濕實(shí)驗(yàn)數(shù)據(jù)、高通量自動(dòng)化實(shí)驗(yàn)室等技術(shù)和工具，完成AI、數(shù)據(jù)的正向反饋和閉環(huán)打下基礎(chǔ)。通過(guò)這樣的方式，藥企可以進(jìn)一步實(shí)現(xiàn)藥物發(fā)現(xiàn)的工業(yè)化和數(shù)字化。

AI制藥另一個(gè)為人詬病的問(wèn)題是，幾年前高價(jià)發(fā)行股票的多家Biotech如今在資本市場(chǎng)上表現(xiàn)不佳。不論是去年因被英偉達(dá)投資而獲高光時(shí)刻的Recursion，還是和多家跨國(guó)藥企都有合作的Exscientia，都在展示實(shí)際成果之前就受到過(guò)高的期望，導(dǎo)致股價(jià)表現(xiàn)不佳。

另外，早期的AI制藥公司過(guò)度依賴數(shù)據(jù)驅(qū)動(dòng)的方法來(lái)加速藥物發(fā)現(xiàn)，但在數(shù)據(jù)稀缺的情況下，這種方法可能產(chǎn)生與已知藥物相似或重復(fù)已知失敗的化合物。現(xiàn)在，AI制藥公司紛紛調(diào)整策略，轉(zhuǎn)向個(gè)性化治療或解決更根本的藥物靶點(diǎn)選擇問(wèn)題，而不是僅關(guān)注藥物優(yōu)化。

20世紀(jì)80年代，剛剛問(wèn)世的計(jì)算機(jī)輔助藥物設(shè)計(jì)（CADD）并不被看好，但如今卻已成為大型制藥公司的標(biāo)配。技術(shù)發(fā)展從來(lái)不是線性的，即使是ChatGPT，從最初的RNN模型走到今天也花了30年。有行業(yè)人士認(rèn)為，AI制藥目前的問(wèn)題在于數(shù)據(jù)維度過(guò)高而數(shù)據(jù)又過(guò)少，如果高通量測(cè)定與數(shù)據(jù)收集技術(shù)能夠跟上，將成為AI最擅長(zhǎng)的領(lǐng)域。

藍(lán)馳創(chuàng)投的沈遠(yuǎn)表示，AI是個(gè)巨大的變量，大模型在新分子生成領(lǐng)域有望成為游戲規(guī)則改變者，研發(fā)出一些傳統(tǒng)方法無(wú)法解決的靶點(diǎn)的藥物。但是依托現(xiàn)有的數(shù)據(jù)，AI能否生成人們想要的大模型還不得而知，尤其是生物醫(yī)藥研發(fā)中有多模態(tài)的數(shù)據(jù)，需要將其有效地整合起來(lái)。此外，不同公司的研發(fā)數(shù)據(jù)存在數(shù)據(jù)孤島的問(wèn)題，從頭生成高質(zhì)量的數(shù)據(jù)也需要時(shí)間。

未來(lái)，或許應(yīng)該給AI制藥更多的耐心。正如賽諾菲首席執(zhí)行官Paul Hudson總結(jié)的，AI預(yù)示著藥物發(fā)現(xiàn)的偉大時(shí)代，可以從根本上改變醫(yī)學(xué)，但前提是我們能讓它實(shí)現(xiàn)。（作者單位：動(dòng)脈網(wǎng)）

(責(zé)任編輯：劉思慧)