高康平作者

AI+医药6大场景解析,紧跟风口的医药行业引领者都在做什么?

近年来,随着技术的不断革新,帮助制药业改变现状、降低成本、实现更大的价值。从个性化治疗到预防,技术发展给制药公司的传统商业模式带来了挑战。 

在众多新兴技术中,人工智能和高级分析受到了制药业越来越多的关注。这些技术的价值在于,它们能够快速处理大量复杂的结构化和非结构化数据,为相关人员的实际操作提供建议,从而降低成本、缩短药物上市时间并在市场上获得竞争优势。

动脉网编译了FICCI发布的《人工智能和高级分析在制药业的应用》报告。

FICCI是印度工商联合会( Federation of Indian Chambers of Commerce & Industry) 的缩写,成立于1927年,是印度历史最悠久的全国性商会组织。该联合会有500多家地区与行业商会成员,遍布印度工商各业,代表印度25万家公司,这些公司总雇员约有2000万人。

FICCI还与各国工商界有着广泛的联系,与74个国家和地区建立了联合商务委员会(Joint Business Council, JBC)。通过此报告,读者可以看到FICCI眼中的AI+医药图景。

人工智能和高级分析成医药数字化新风口

目前,全球制药业正经历两大转变:首先是整个医疗价值链的转变,政府和保险公司作为中心力量,向制药公司施加压力,要求它们降低价格,提升药物价值。其次,医疗模式正逐渐从治疗转向预防、诊断和治愈的模式,并吸引了行业内外大量竞争者加入。

这一转变是由三种发展趋势所推动的:突破性的创新疗法、技术的进步以及通过获取和分析患者数据而实现的医疗消费。

虽然目前大部分技术还是应用于药物发现领域,但在药物剂量和用药安全、制造和供应链以及商业化等其他领域,人工智能的实际应用也在进一步探索中。就人工智能和高级分析技术而言,制药公司需要选择他们的业务领域以及合作伙伴。我们可以看到,药企越来越强调合作关系,其中最多的便是与科技初创企业的合作。 

放眼未来,“科技+医药”这一市场有着巨大的发展潜力。原因在于,领跑者获得了高回报,虽然给其他竞争者带来了不小的压力,但也鼓励更多人加入到市场竞争中。另一方面,受到初创企业的推动,这些技术的应用范围十分广泛。与此同时,监管机构需要改变其审批医疗设备的传统方式,并配备相关的技术知识和专业人员,以便更快地评估和批准这些新兴技术。 

科技的进步以不同的方式为许多复杂的事情带来可能性。包括移动通信、云计算、高级分析和物联网(IoT)在内的数字技术,正在颠覆工业制造、零售、电信、银行业和医药制造等传统行业。各种驱动力正在加速医药领域的数字化转型: 

  • 提高效率,降低医药研发成本;

  • 优化产品质量,让生产过程更符合规范;

  • 增加与患者的互动,提高回购率;

  • 提高疾病诊断和治疗的水平;

  • 确定患者的需求,降低供需之间的差距;

  • 拓宽产品种类和服务范围。

在新兴技术领域,人工智能和高级分析正在挑战制药公司的传统商业模式。因此,一些科技公司可能和传统医药公司不同,它们会提出新的商业模式,并尽可能让医药公司接受。制药行业产生的数据量呈指数级增长,因此,药企的首要任务在于,利用这些数据来驱动价值。其最终目标是简化医药价值链,提高药品生产效率和审批率,并降低成本。

为了更好地发展新兴技术,顶级制药公司已经对一领域进行大量投资,并与人工智能公司结成战略联盟,将人工智能技术整合到它们的价值链中。

 图1:全球头部制药企业在AI+医药方面的布局

 资料来源:FICCI

这些公司大多选择与人工智能公司结成战略联盟,利用人工智能进行药物研发。由于这些合作关系处于制药公司的核心部分,一些制药公司也认为它们需要在内部开发相关技术,比如在药物剂量及用药安全方面。

制药行业的人工智能正逐渐从最初的研发阶段向后消费阶段转变。

该行业的一些发展趋势包括: 

  • 药物研发:大型制药公司选择发展自己的AI技术,或者与AI初创企业合作,来加快药物研发过程,实现个体化用药;

  • 药物剂量和用药安全:人工智能可以根据患者的病情和特点,为每位患者定制相应的药物剂量。人工智能被应用于安全价值链的各个阶段,以提高整体质量和药物依从性;

  • 药物生产和供应链:人工智能正被用于优化整个生产过程中的药物验证以及假药识别;

  • 商业化:人工智能越来越多地被用于患者分类,提高药物疗效,减少不良反应;

  • 监管机构的审批:简化临床药品的审批流程,使之更加快速、透明。 

而在印度,制药公司最近才开始将人工智能应用于药物研发和产品供应链。药物发现仍然是医药行业数字化转型的重点领域,因为人工智能可以通过扫描数据库,寻找到药物的特定分子。

六大AI应用场景落地迎来“爆发期”

1.AI+药物研发

药物发现过程通常涉及到大量化合物的鉴定,人工智能可以简化这一过程,通过使用算法来检查分子的化学特征,以确定它是否可以用来制造药物。葛兰素史克GSK、赛诺菲Sanofi、武田制药Takeda Pharma和默克Merck等制药公司已与人工智能初创企业建立了多种合作关系: 

GSK与英国的人工智能初创企业Exscientia合作,出资4300万美元用于药物研发,在未公开的治疗区域为10个选定的靶向药物识别小分子。Sanofi与 Exscientia签署了一份价值2.83亿美元的战略合作协议,为糖尿病和其他代谢疾病研发新疗法。

药物的再利用是另一个常见用例——老药新用。不同的算法可以为现有药物或处于后期开发中的候选药物确定新的潜在应用。

将处于后期开发中的药物用于新的治疗领域是许多生物制药公司的首选策略,如Sanofi 和人工智能初创企业Recursion Pharmaceuticals合作,共同进行药物研发,旨在将Sanofi的临床阶段小分子用于各种遗传疾病的治疗。Astellas Pharma与大数据生物信息公司NuMedii合作,利用机器学习技术进行药物的再利用。

开发生物标志物是药物研发的重要阶段,人工智能在这一领域的应用越来越多。流感疫苗全球领导者赛诺菲巴斯德(Sanofi Pasteur)利用Berg Health的平台和人工智能工具,来识别分子特征、开发潜在的生物标志物,以便评估流感疫苗的免疫反应。

此外,药企越来越关注数字生物标志物,这有利于获取具有临床意义的客观数据,提高成本效益。

2.AI+用药安全

药物剂量:新加坡国立大学创建了一个名为“CURATE.AI”的人工智能平台。它可以利用患者的临床数据,比如历史记录,来快速识别药物剂量,并在此基础上对肿瘤大小或肿瘤生物标志物水平进行修正。这些数据还可用于根据患者的需要定制不同疗程。

临床安全:Agios Pharmaceuticals利用自然语言处理(NLP),帮助其系统做出快速全面的决策。该技术还可以通过探索性研究,识别安全信号,用于临床前的药物研发。此外,自然语言处理还可用于研究患者的症状模式,以帮助识别患者是否处于高危情况。

非临床安全:Merck公司利用NLP技术来自动化工作流程,将非结构化数据和结构化数据结合,进行分析,为安全评估团队创建可视化的商业智能仪表盘。这一过程使公司能够识别只有在长期测试中才能识别的异常情况。

药物警戒:GSK的临床安全团队通过研究医学文献,不断确定相关的安全信号。GSK拥有近200种产品组合,它可以利用NLP来提高研究效率和语言处理速度,使搜索过程更加规范,并更快确定药物和不良事件之间的关系。

3.AI+药物生产和供应链

Veripad利用机器学习技术来识别供应链中的假药。该组织设计了一种化学测试卡,用于快速检测常见药物的成分。将这种测试卡和对应的移动应用程序一起使用,就可以鉴别假药。最后,Veripad利用数据分析技术来汇总每次测试的结果,以便更好地了解假药劣药的流通情况。

针对药物分类,Veripad的第一代应用程序已经可以达到80%的精确度。纽约大学的研究团队也利用机器学习技术,开发了一种新的机制,用于识别同款产品的真假情况。

4.AI+市场开拓和商业化

一家全球制药企业与人工智能和分析公司Aktana合作,旨在简化他们的多渠道营销(MCM)流程。该企业认为,医生更有可能打开并回复医药公司代表发来的电子邮件,而不是一封自动发出的邮件。基于这一信息,公司决定在Aktana的帮助下简化其患者追踪渠道。

由于这些过程非常复杂且耗时,Aktana帮助制药公司来预合成数据、发送定时电子邮件以及跟踪客户关系管理(CRM)中的交互。在采纳了Aktana的建议后,该公司收到的客户邮件数量增加了23倍,电子邮件参与度提高了两倍。

5.AI+患者个性化诊疗

肿瘤学一直是制药业的主要研究领域之一,该学科的重点是寻找肿瘤和癌症的最佳治疗方法。为了达到这一目的,临床医生首先要根据特定患者的病因,确定合适的治疗方法。

IBM Watson利用其在数据分析机器学习方面的先进技术,可以对电子健康记录(EHR)和相关信息中的数据进行分析,以便进一步研究适合单个患者的最佳治疗方案。

此外,人工智能还被用于帮助患者匹配临床试验,这有助于改善癌症临床试验的结果。诺华(Novartis)与IBM Watson展开合作,在晚期乳腺癌领域应用此类解决方案,并计划进一步扩大到更广泛的肿瘤学领域。两家公司旨在通过分析实时患者数据,改善患者的治疗效果。

匈牙利的创业公司Turbine与德国制药巨头拜耳公司(Bayer)合作,将人工智能技术与癌症治疗相结合。Turbine想要通过基因测序创建一个模拟癌细胞,相关软件可以帮助进行数以百万计的模拟,以开发最佳的治疗组合。

通过显著缩短试验周期,这一概念可以帮助制药公司获得高投资回报。此外,在没有明确治疗计划的情况下,Turbine的AI平台可以测试数百万种治疗组合,以找到最合适的治疗方法。

6.AI+通过远程医疗和移动医疗实现患者连接

伦敦的AI健康应用程序制造商Ada health推出了一款远程医疗应用程序。该程序可以利用人工智能自然语言处理(NLP),根据患者的症状,生成相关的问题和建议。

它的设计灵感来源于,该公司意识到制药和健康行业正在采用以患者为中心的模式。这款应用可以让医生和人工智能助手一起工作,来照顾患者。

此外,该公司还与药店Karepack合作,可以将医生开的处方药送到患者家中。

AI+医药,前路尚远

对于制药公司来说,仅仅认识到这两个转变是不够的——降低价格并提高其疗法的价值,以及从治疗转向预防、诊断和治愈的模式。药企面临的最大挑战在于,如何以一种全面的方式,迅速果断地适应这些变化给商业和运营模式带来的影响。

与此同时,制药公司越来越多地应用人工智能和高级分析等不同技术,这不仅有利于提高效率、降低成本,而且能够适应以患者为中心的商业模式。自动化、效率和协作等几个关键因素将在重塑制药业以患者为中心的格局中发挥重要作用。

综合运用这些技术将成为未来趋势,并改变医药价值链的整体前景。无论是与人工智能初创企业合作,还是开发内部技术,制药公司都正在进行数字化转型,并在人工智能技术上进行投资。虽然目前只有少数医药价值链真正采用了这些技术,但在未来几年,人工智能和高级分析等技术将有望改变医药这一传统行业。

参考资料、题图来源

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

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业医药研发
1
相关数据
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

商业智能技术

商业智能(Business Intelligence,BI),又称商业智慧或商务智能,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

推荐文章
暂无评论
暂无评论~