生成式AI近期被認為是可顛覆生技產業發展的重要工具，但AI究竟可為藥物研究，帶來多少效益？近(10)日，《Nature》雜誌針對此議題發表一篇社論，並引用波士頓顧問集團(BCG)研究人員，對20家密集使用AI的新藥開發公司調查數據。結果顯示，近十年在AI輔助下，這20家藥廠共推進了15項候選藥物進入臨床，其中5項候選藥物，比傳統藥物研發所需平均時間6年更快進臨床，並指出AI可節省藥物臨床前研發時間少25-50%。

新藥開發近十年來，除了開發越來越慢、風險越來越大、成本也越來越高，根據2016年數據統計，要將一種藥物成功推向市場，成本至少需要25億美元。

現在已有許多大型製藥公司擁抱創新技術，並認為當今顛覆者——生成式AI，可縮短臨床前研究，但要順利推進人體試驗，真的可行嗎?

《Nature》雜誌的社論，引用2022年2月BCG研究人員，對20家相對較新，且高密度使用AI的製藥公司，進行2010年到2021年間的臨床前產品調查。

BCG的調查報告指出，這20家公司，過去的10年間共推進15項候選藥物進入臨床，其中有8項在10年內進入臨床，另外有5項比平均耗費時間6年，還快進入臨床。

例如，總部位在紐約和香港的Insilico Medicine，去年2月宣布治療肺纖維化疾病(IPF)，由AI輔助的候選藥物進入臨床一期，該藥僅花30個月就完成臨床前研究，今年6月也啟動臨床二期研究。

此外，BCG進一步分析還發現，在AI輔助下，新藥公司不只縮短藥物開發時程，這20家公司在2022年創建了158項處於臨床前階段的候選藥物，若與全球20大藥廠相比，大型藥廠在有收入資源的挹注下，產品線也只多了近2倍、333個臨床前候選藥物。

《Nature》認為，目前看起來AI帶給製藥界許多好處，但若是使用生成式AI可能還會面臨一些挑戰，例如：ChatGPT在回答使用者問題時，有時會編造答案，此外在藥物發現過程中，AI則會提出一些無法製造的物質建議。

另外，生成式AI需要從訓練資料中來產生具有相似特徵的新資料，但這些訓練資料可能成為各公司間競爭的關鍵，因此，能不能加速藥物或是新靶點的發現，數據共享成為關鍵，《Nature》也呼籲工業界和學術界應該擁抱這樣的優勢，讓AI發揮最佳效果。

資料來源：https://www.nature.com/articles/d41586-023-03172-6#ref-CR1

(編譯/彭梓涵)