醫療技術如何協助加快探索藥物
繼續閱讀以深入了解在探索和開發藥物所使用的人工智慧，和人工智慧如何協助降低藥物開發的成本，並讓能救命的療法更快提供給病患。
藥物探索和開發的成本提升
醫療保健專業人員照護病患的方式正快速改變。隨著研究人員解決複雜的健康問題，以及製藥公司努力縮短開發救命藥物的時間，精準醫療變得越來越普遍。
目前對製藥公司而言，在市場推出新藥物的流程不但相當費時且昂貴。根據 Taconic Bioscience，單一種藥物在 2019 年需要花費 28 億 USD 和超過 12 年的時間來開發。而在這之後，會有 90% 的候選藥物無法取得 FDA 核准。
好消息是，人工智慧 (AI) 在加快藥物探索和開發流程上，有驚人的潛能。
AI 如何簡化藥物探索流程
製作多數藥物的第一步是合成出一種化合物，此化合物可以結合並緩和疾病中的目標分子 (通常是蛋白質)。為了找到正確的化合物，研究人員會檢閱上千種可能的對象。找到目標後，研究人員接著篩選大量類似的化合物，以找出與疾病蛋白質最佳的作用方式。
目前需要花費超過十年和數億經費才能做到這一點。但使用人工智慧和機器學習 (ML) 的醫療技術可以簡化此流程，減少製藥業推出新藥物所需的時間和金錢。舉例來說，這些技術可以：
搜尋分子庫
用來篩選候選分子的資料庫太過龐大，幾乎無法靠人類研究人員檢閱每一種分子。不過，AI 能從龐大的資料集快速識別潛在的目標分子，讓研究人員不必在實驗室多待數百小時。
預測化合物屬性
傳統的藥物探索流程包含費時的試錯法。醫療技術解決方案結合 AI 與 ML，可以透過預測潛在化合物的屬性，確保只有具所需成分的化合物會被選擇進行合成，以協助加速流程。這樣一來，研究人員就不必嘗試不太可能會有作用的化合物。
發明新的化合物
在篩選產生出一些有希望的結果後，AI 甚至可以腦力激盪出全新的化合物構想，以符合所需的參數並有更高的成功機率。
AI 如何輔助探索新藥物？
AI 如何用於臨床試驗？
根據 Deloitte，候選藥物中只有 10% 會進入臨床試驗階段並獲得監管機構的核准。臨床試驗是藥物創立過程中，時間最長、費用最昂貴的階段，當中涉及多個人體測試階段，且每個階段包括數百或數千位參與者。
傳統隨機對照試驗 (RCT) 的線性流程幾十年來未曾改變，且缺乏讓精準醫療模式蓬勃發展所需的彈性、速度和分析能力。公司難以找到合適的參與者，更不用說要有效招募、保留和管理參與者。流程缺乏效率會明顯導致藥物探索和開發的成本提升，以及低核准率。
製藥公司可以在整個藥物開發的臨床試驗階段 (從設計一路到資料分析) 使用預測性 AI 模型，以協助：
- 挖掘可公開使用的內容，識別合適的病患。
- 即時評估試驗網站效能。
- 跨平台自動化資料共用。
- 為最終報告提供資料。
結合演算法與有效的技術基礎結構，確保能有效清除、彙總、儲存和管理源源不絕的臨床資料。因此，研究人員就能更加了解藥物的安全和功效，無須手動核對與分析試驗所產生的大量資料集。
阻攔藥物探索和開發採用 AI 的屏障
雖然在藥物探索的流程中已更加廣泛使用 AI，但採用上還是有所阻礙。
資料品質
許多產業經常提到的挑戰是，不佳的資料會快速抹煞人工智慧和機器學習帶來的協助。對藥物研究人員來說，低品質的資料會讓醫療技術不可靠，而且最終不會比傳統方式更準確、有用或省時。
顧慮事項
多數產業都誤以為，技術最終會完全取代人類工作者。製藥業也不例外。雖然 AI 確實能更快速分析大型資料集，但卻無法取代優秀的人類研究人員和臨床醫生。
技能短缺
在藥物探索過程中實作醫療技術需要特定技能。 為了保持資料簡潔和 AI 的效率，公司所需的工作者不僅要具備技術技能，同時還要了解流程中的科學知識，像是藥物設計、生物學和化學。 這項要求艱鉅，公司難以達成。
加速研究和開發的腳步
關注我們