AI 製藥等風來！大摩豪言：未來十年相關銷售額或超 500 億美元

開發出一種潛在的暢銷藥物通常需要在實驗室進行數年的廣泛分析，由研究人員團隊有條不紊地篩選數據和測試結果，以發掘出一種有希望的候選藥物。不過，當日本武田製藥 (TAK.US) 在今年 2 月以 40 億美元的價格從波士頓一家初創公司手中收購一種實驗性牛皮癬藥物時，該公司僅用了六個月的時間就通過人工智能獲得了一種化合物。

智通財經 APP 獲悉，在接下來的幾個月裏，這種通過人工智能和機器學習算法從數千種潛在分子中挑選出來的藥物將進入臨牀試驗的最後階段。如果成功，它可能成為在人工智能幫助下發現的首批療法之一。投行 Jefferies 的分析師預計，其年銷售額可能高達 5,000 億日元 (約合 37 億美元)。

武田製藥從波士頓 Nimbus Therapeutics LLC 購買的實驗性藥物將成為世界上為數不多的治療牛皮癬的口服藥物之一。牛皮癬是一種皮膚病，全世界有 1.25 億人患有此病。該藥物也有可能治療其他疾病，如克羅恩病，一種炎症性腸病。這種藥物目前被稱為 TAK-279，已經成功地通過了前兩個階段的人體試驗。Nimbus 首席執行官 Jeb Keiper 表示，算法選擇當前分子的時間大約是傳統方法兩年時間的四分之一。

在武田製藥利用人工智能開發藥物之際，全球製藥公司正在擁抱人工智能，旨在削減成本、加快藥物上市時間。摩根士丹利預估，在未來 10 年，人工智能在早期藥物開發中的應用可能會轉化為 50 種新療法，銷售額超過 500 億美元。

研究公司 Deep Pharma Intelligence 預估，在過去四年中，對人工智能驅動的藥物研發公司的投資增長了兩倍，到 2022 年達到 246 億美元。去年 1 月，賽諾菲 (SNY.US) 同意向總部位於英國的 Exscientia Plc 預付 1 億美元，再加上可能高達 52 億美元的里程碑付款，用於研究新藥，並利用人工智能系統開發多達 15 種腫瘤學和免疫學候選藥物。

拜耳 (BAYRY.U)、羅氏 (RHHBY.US) 和武田製藥等公司正在與鹽湖城的 Recursion 製藥公司合作，利用機器學習探索藥物發現。與此同時，阿斯利康 (AZN.US) 與英國的 BenevolentAI 和聖地亞哥的 Illumina Inc.建立了合作伙伴關係，進行類似的努力。

為製藥商提供數字流程和分析方面的建議的麥肯錫合夥人 Alex Devereson 表示：“當生物製藥公司成功地將人工智能應用於研發時，可能會產生重大影響。在未來五年內，我們預計這些方法將在結構上更多地融入製藥研發流程，併產生更大的規模影響。”

雖然人工智能可以提供幫助，但在選擇分子後，科學家仍然需要做很多傳統的工作。武田製藥的化合物還需要進行數年的人體臨牀試驗和其他測試。人工智能還有其他侷限性，例如，它不能預測複雜的生物特性，如化合物的功效和副作用。儘管如此，使用技術來確定下一個重磅療法可以幫助消除一些猜測，這些猜測通常需要數百個實驗室實驗，而這通常需要很多年才能確定有希望的分子。

2018 年之後，大型製藥公司對投資人工智能和機器學習變得更加認真。當時谷歌母公司 Alphabet(GOOGL.US) 的 DeepMind 部門使用了一個名為 AlphaFold 的人工智能程序，在預測蛋白質形狀 (疾病的基本組成部分) 方面擊敗了一位生物學家。弄清蛋白質的形狀是生物學中最棘手的問題之一，這有助於藥物獵人縮小可能與蛋白質相互作用的分子範圍，並確定治療疾病的藥物。

傳統上，將一種新藥推向市場需要花費近 30 億美元，而且大約 90% 的實驗藥物都失敗了。因此，加快這一過程的技術可能是利潤的一大推動力。加州 Scripps Research Translational Institute 創始人兼主任 Eric Topol 指出，現在使用 AlphaFold 確定蛋白質的 3D 結構只需幾秒鐘，而不是幾個月或幾年。

新冠疫情加速了製藥公司採用人工智能的增長，因為製藥行業急於開發對抗未知病毒的武器。在疫情期間，輝瑞 (PFE.US) 與 BioNTech SE(BNTX.US) 合作開發了新冠疫苗社區 (Covid - 19 vaccine community)。該公司還擴大了與總部位於中國深圳的人工智能藥物研發公司 XtalPi Inc.的合作伙伴關係，以加快抗疫藥 Paxlovid 的化學配方。這兩種藥物都在不到兩年的時間內獲得了美國食品藥物管理局 (fda) 的批准，比大多數藥物上市通常需要 10 年的時間要快得多。監管機構急於向公眾提供對抗新冠病毒的武器，也推動了這一速度。

如今，武田製藥從波士頓到聖地亞哥再到日本湘南的研發中心，有 500 多名定量科學家和技術專家每天都在處理數據，尋找、開發和製造突破性藥物。這家制藥商使用人工智能和機器學習來識別針對蛋白質的最佳分子，並瞭解疾病的特徵以及它們在不同患者羣體中的變化。它與麻省理工學院和幾家人工智能初創公司合作。

武田製藥數據科學研究所所長 Anne Heatherington 表示:“任何能夠為我們的員工解鎖尖端技能、減少體力勞動、消除系統摩擦、騰出時間進行更深入的科學洞察和發現的技術都是至關重要的。”

武田製藥的大型競爭對手也在利用人工智能。輝瑞首席數字和技術官 Lidia Fonseca 表示，輝瑞希望與 DeepMind 的 AlphaFold 合作，幫助公司設計和驗證以前未知的高效治療靶點。Lidia Fonseca 表示:“我們將強大的超級計算能力與人工智能和機器學習模型結合起來，將整體計算時間縮短了 80% 至 90%，這實際上有助於快速開發 Paxlovid。”

在世界各地，初創公司利用人工智能發現的幾種潛在藥物已經進入人體試驗階段。其中 5 個來自 Recursion 製藥公司，用於治療罕見疾病和腫瘤，3 個來自 Exscientia 公司，用於治療癌症和強迫症等疾病。總部位於中國香港的 Insilico Medicine 有一種候選藥物正在進行中期人體試驗，用於治療最常見的肺纖維化。

總部位於英國的葛蘭素史克 (GSK.US) 擁有 160 多名致力於人工智能和機器學習的專家，以支持其研發和製造。自 2019 年以來一直擔任葛蘭素史克人工智能主管的 Kim Branson 表示，該公司還生成數據來構建和支持公司自己的機器學習模型，這樣每位科學家最終都能從公司過去產生的數據中受益。

不過，葛蘭素史克的 Kim Branson 也表示，雖然人工智能非常擅長將來自不同來源的數據拼湊在一起，但當它用於複雜系統時，事情就變得棘手了。他表示，為了確保安全，實驗室實驗通常是必要的。此外，斯坦福大學的研究人員在 2018 年發表在《新英格蘭醫學雜誌》上的一項研究中寫道，用於創建算法的數據可能包含偏見，這可以反映在它們生成的臨牀建議中。研究人員發現，算法也會扭曲結果，這取決於是誰開發的。

這並不能阻止投資的激增。斯坦福大學生物工程學教授 Russ Altman 表示，過去五年左右，要求對潛在的人工智能藥物研發公司進行評估的風險投資家數量激增。數十年來，他一直在為風投公司對生物技術初創公司進行盡職調查。“從零到一百。” Russ Altman 表示：“30 年來，我沒有對人工智能製藥公司做過任何盡職調查。現在我已經做了 6 到 10 次了。”