|
 注：AI文生图
亦许是感慨AI发展太快，受益的人越来越多，近期一位自叫作在生物制药行业工作的网友忍不住问道：大众觉得“生物制药行业那些工作能够借助AI技术进行优化？”
由于隔行如隔山，日前底下答复的人并不多。
不太多方认识后，我意外发掘：AI给制药行业从业者带来的工作便利和应用价值，可能已然超乎你我想象…
数据准备是AI“拿手活”
药物开发数据准备便是日前AI在制药行业的一大要紧应用，重点表现在医疗数据结构化、医药大数据统计、市场科研分析、药品知识和疾患治疗知识库建设、专科专病大模型搭建等方面。
从结果看，AI在数据准备应用中的加速推进，和以往新药开发数据准备工作量大、周期长、通量化需求高等相关。
例如按照BIO、QLS Advisors颁布的行业报告表示：常规的新药从前期立项开发到最后上市营销，平均必须花费约10年的时间（数据参考自《Clinical Development Success Rates and Contributing Factors 2011-2020》）。
在这其中，除了药品设计&合成和临床测试，就属药物开发数据准备最费时费力。
为了尽可能减少开发危害，保证后期收益，药企前期不仅要安排专人对全世界上市药物数据、新药开发数据、获准新药数据、生物医药专利数据、行业最新科研成果、文献资料等做深入科研，还要对新药的市场潜能、病人定位、需求端营销状况、竞争对手状况、竞品等做海量的分析调研。这导致前期的开发数据准备就可能花去3年上下的时间。
不外，随着AI技术的高速发展，非常多数据准备性工作已然能经过人机协作又快又好地完成。
例如多模态医药数据的采集和结构化管理，此刻借助司普OCR智能数采这类工具，秒速就能完成病历、病理报告、药物处方、医学影像资料等多源异构数据的识别、抽取和标准化通量化管理，而且准确率超过95%没递减，信息匹配度高达99%，能省去非常多人工整理录入的麻烦。
另一，以往重度依赖人力来完成的市场情报搜集、竞品信息整理、行业洞察与政策总结、医药文献阅读等工作。眼下随着设备学习尤其是大语言模型的深度发展，亦已然能很大程度上实现业务的智能化流转。
个人只需在寥寥几句对话之间，就能快速获取内容资源，还能实时溯源。
除此之外，基于采集数据的结构化管理、内部海量药品知识、疾患治疗方法、科研成果等，能帮忙公司快速搭建行业知识库，辅助信息检索、培训、研究等场景。
这种新型的工作形态，极重地加强了制药行业前期新药开发数据准备的效率与质量，亦为从业者的工作重心与工作方式带来了潜移默化的影响。
AI辅助药品设计与合成
虽然AI日前没法代替开发人员进行药品研发与合成，但在辅助性工作上，它能发挥的功效已然不小。
据笔者观测，自AlphaGo一炮而红的2016年起，AI核心算法例如卷积神经网络（CNN）、循环神经网络（RNN）、扩散模型（Transformer），便起始被用于药品发掘、分子设计、药品合成等领域。
例如拥有卓越图像处理性能的CNN和善于处理长序列数据的RNN在业内被广泛用于基因组学科研。当单一的深度学习模型难以处理庞大数据量及生物体关系，基因组学科研者们乃至在尝试“CNN+RNN+其他”的混合模型结构。
在通用AIGC行业，基于Transformer的图像和视频生成引爆了全民的运用热情，而在生物制药行业，Transformer模型一样被创新性地用于药品设计与合成，且表现不俗。
据不完全统计：日前包含武田制药、GSK、辉瑞、赛诺菲、阿斯利康（排名不分先后）等在内的全世界性制药公司均有经过合作、投资或自研的形式，推动AI在新药开发行业的应用。
部分药企例如赛诺菲，在关于小分子药品发掘的AI模型中，实验的预测准确率据叫作超过80%，75%的小分子项目已然能经过人工智能和设备学习 (ML) 化合物设计实现，亦算成果明显。
国内方面，随着人工智能产业规模的连续扩大，AI在制药行业的发展亦如火如荼。
例如北大团队联合AI新药开发机构英飞智药推出了生成式大模型PharmGPT用于蛋白质功能预测上市药品靶点。
本土AI药品开发机构英矽智能，有利用AI预测抗衰老和治疗与老龄化关联疾患的双重靶点，并主导了生成式AI发掘和设计候选新药，日前该药已然进入Ⅱ期临床实验周期。
将来AI在新药开发行业的渗透状况咱们不得而知，不外按照TechEmergence统计的数据表示：新药开发加入AI，成功率能从12%提高至14%。
虽然只提升两个百分点，据述相当于为全部行业省下数十亿美元，亦算道理重大了。
上市审批、推广、生产赋能…
新药开发成功后，临床科研与实验会是接下来最要紧一环。日前这块AI能发挥的价值，重点集中在临床方法优化和临床实验数据统计分析等方面。
但在上市审批、商场化推广、生产偏差管理等环节，AI已然表现出足够高的应用价值。
例如经过人机协作，辅助生成上市审批申请材料、营销文案、宣传稿件等核心内容，能帮忙从业的市场营销人员有效提高创作效率与质量，满足常规性推广和宣发需求。
生产偏差报告是质量管理必不可少的一环，以往全靠人工撰写，可能存在偏差报告不即时、输出效率低、报告要素不全、规律不清等问题，引起偏差审批和处理时间延长，影响正常生产交付。
眼下借助司普AI偏差写作助手这类工具，报告人员已然能有效率、高质量输出报告内容，大幅缩短偏差关闭时间，日前已在头部制药公司中得到应用推广。
以上是比很强的方向，除此之外，AI对外还被尝试用于疾患诊断、疾患分型、用药指点、健康管理等场景，加快业务拓展。对内则在平常公司管理中，被用于数据分析、模拟交易、客户服务、营销转化等场景，帮忙公司提效增收，这儿不仔细展开。
总的来讲，AI在制药行业的扩展性应用，很大程度上推动了特定业务流程的自动化，将全部产业导向精细化、智能化、科学化的发展轨道。与此同期，以往计算、统计、调研、测试工作量大的从业人员有了AI这位助手，亦得以减负不少。
咱们期待将来AI能给更加多行业的人们带去惊喜，同期，司普科技亦将经过供给多模态模型服务，为更加多公司带去价值！
备注：本文原创，首发sipu-tech，以上案例有参考BiG生物创新社、智东西等媒介报告，仅作分享。返回外链论坛：http://www.fok120.com/，查看更加多
责任编辑：网友投稿
| 
发表于 2024-7-3 19:34:34
