生成式AI革新藥物研發　加速成功率翻倍

生成式人工智能如何改變藥物研發的未來

生成式人工智能（Generative AI）正逐漸成為藥物研發領域的一股變革性長期力量。這個行業以往以漫長的研發時間、高昂的成本和低成功率著稱。

根據券商Jefferies的資料，平均一個新藥的開發週期長達8至10年，成功率不足10%，而每款藥物的研發成本更超過10億美元。人工智能有潛力將風險降低超過50%，大幅縮短研發時間、提升成功機率，並降低開發成本。

Jefferies的分析師在週三的一份報告中指出：「生成式人工智能有望加速這個緩慢且風險高的藥物研發過程，縮短從實驗室到臨床的時間，同時提高成功率。」

這股趨勢已在整個行業中顯現，從大型製藥公司、合同研究組織到新興生物科技企業，均積極將人工智能融入不同研發階段。

從早期目標識別、化合物篩選到毒性預測，人工智能平台正重塑藥物研發流程。例如，Schrodinger（納斯達克代碼：SDGR）採用結合物理學與機器學習的混合方法，實現大規模虛擬篩選，顯著縮短前臨床階段時間。

同時，Recursion Pharmaceuticals（納斯達克代碼：RXRX）利用其由人工智能驅動的平臺與超級計算基礎設施，每週進行超過200萬次實驗，將生物學數字化，優化藥物設計與測試流程。

Jefferies分析師解釋：「憑藉龐大的數據集和計算能力，RXRX推出了多種先進的多模態模型，能深入洞察細胞對新藥候選物的反應，推動藥物發現與開發的極限。」

這些平台不僅加速了藥物候選物的篩選，還支持早期毒性預測。

Schrodinger在比爾及梅琳達·蓋茨基金會和Nvidia（納斯達克代碼：NVDA）的支持下，正開發基於人工智能的預測毒理學計劃，旨在早期識別藥物的非目標副作用。

Jefferies指出，這類工具能推動「早失敗、快速且低成本」的策略，優先篩選更安全的化合物，提升臨床成功率。

Schrodinger預計將於2025年下半年推出其預測毒理學功能。

Jefferies同時強調了人工智能應用背後的經濟理據：「假設一款重磅藥物在銷售高峰期能創造10億美元收入，若能提前一年上市，淨現值（NPV）將提升約20%至40%。」

提前上市不僅意味著更長的專利期獨佔，更能提升投資回報。

隨著美國食品藥品監督管理局（FDA）等監管機構對人工智能支持的應用態度逐漸開放，Jefferies預計人工智能的採用將更為廣泛。該券商估計全球與人工智能相關的研發支出目前約為30至50億美元，預計五年內將增長至80至100億美元，至2040年更可能達到300至400億美元。

人工智能在個人化醫療領域同樣取得進展，如Acrivon Therapeutics（納斯達克代碼：ACRV）和AnaptysBio（納斯達克代碼：ANAB）均利用人工智能技術，將療法精準匹配至患者群體。

隨著人工智能技術日益成熟，Jefferies認為它將成為「藥物發現與精準醫療的關鍵工具」。

編者評論：人工智能驅動藥物研發的未來展望與挑戰

這篇報導清晰展示了生成式人工智能在藥物研發中所帶來的革命性影響，尤其在縮短時間、降低成本及提高成功率等方面的巨大潛力。對香港讀者而言，這不僅是科技創新的前沿，更是醫療健康產業轉型的關鍵風向標。

然而，值得深思的是，雖然AI技術能顯著提升研發效率，但藥物開發本質上仍涉及複雜的生物學系統與人體反應，AI的預測準確度和實際臨床效果之間仍存在挑戰。監管機構對AI輔助決策的接受度、數據隱私與安全問題，以及跨學科人才的培養，都是未來必須面對的課題。

此外，香港在生物醫藥和人工智能領域的發展潛力巨大，政府和業界應加強合作，推動本地創新平台的建設，吸引更多國際資源與人才，借助AI技術提升本地醫療研發水平，促進產業升級。

總括而言，AI在藥物研發的應用正由理論走向實踐，未來十年將是這場技術革命的關鍵時期。對投資者來說，相關企業的技術積累與合作夥伴關係將是判斷其長遠價值的重要指標。對政策制定者和產業參與者而言，如何平衡創新與風險，打造良性生態系統，是推動這場變革成功的關鍵。

以上文章由特價GPT API KEY所翻譯及撰寫。