生成式AI(GenAI)發展，讓全球人工智慧從寒冬期邁入人工智慧之春(AI Spring)，但在製藥行業，是否同樣迎來AI之春？日前，由臺灣新藥產業聯盟(TID)與國家生技研究園區生醫轉譯研究中心主辦的「生技產業專家系列演講」邀請知名藥物統計學家、前德國默克(Merck KGaA )生物統計和精準醫學部門的資深副總劉睿哲，透過他過往在大藥廠經驗，分享大數據及人工智慧(AI)/機器學習(ML)，應用於藥物開發的現況與挑戰。
 
劉睿哲的專長是利用統計分析方法協助藥物研發，他過去曾在輝瑞(Pfizer)、武田(Takeda)和阿斯特捷利康(AZ)擔任分析部門主管，也曾擔任德國默克生物統計和精準醫學部門的資深副總裁，負責管理集團內部的生物統計、數據科學和個人化醫療相關業務。
 

人工智慧發展70年 生成式AI再迎AI之春？

 
他首先分享AI的發展歷程，AI一詞首次出現是在1950年，當時大家對AI充滿想法與創意，但歷經十年發展，大家也發現AI只停留在先進想法，技術卻沒有跟上來，AI因此進入第一次寒冬。
 
但歷經幾次寒冬，AI在1990年導入了統計和計算功能後，能夠分析數據的機器學習(ML)問世，也推升了AI的發展，不過礙於ML需要用到強大的電腦運算，AI的發展又進入沉寂時期，一直到2000年後，電腦運算技術跟進，深度學習(DL)陸續被發展出來，電腦運算可以做出預測，也讓AI有了新的面貌。
 
DL問世在幾年又衍生出生成式AI，AI發展也將迎來新的「AI之春」，不過在製藥這個重視安全性、嚴謹度高的行業中，AI能不能再錦上添花？也令大家非常好奇。
 
他分享，目前在生技醫藥領域，AI/ML可從讀期刊(paper)、資料探勘(data mining)給予支援，在臨床前研究上，還可用於毒性/安全性、PK(藥物動力學)/ADME(藥物吸收、分佈、代謝、排泄)、API製備、配方研究、分析方法開發、品質確校等。
 
在臨床研究階段，AI/ML也可用於招募患者，包括：該納入或排除哪些患者(inclusion/exclusion criteria)、增加患者藥物依從性(adherence)、遠端醫療、數位化診斷、臨床試驗設計等。在這些應用中他也特別看到AI在預測藥物毒性方面的應用。
 
除了上述之外，他也分享，藥廠也會利用AI/ML，開發社群聆聽(Social Listening) 工具，期望透過這些工具了解患者在真實世界中，疾病或治療心理層面的影響。
 

AI藥物開發多失敗收場 更多數據建立有望突破重圍

 
不過他也分析，目前市場上幾家專注在AI藥物的科技公司，以及宣布要投入AI藥物開發的藥廠，似乎在AI藥物開發上不盡如意，對其態度也有所保留。
 
包括最早由IBM公司推出的Watson，他們在2012年與史隆凱特林紀念癌症中心(MSK)、安德森癌症中心(MD Anderson)合作，又在2015年獨立成立Watson Health部門、2016年重砸26億美元併購醫療保健資料分析公司。
 
但隨著安德森癌症中心流出使用IBM Watson的稽核報告，傳出其可能成本過高，且其無法對患者有更好的建議後，外界也開始質疑其效能，IBM Watson從2018年開始出現各種危機，包括CEO離職等，2022年IBM不得不出售該部門。
 
另外還有2012年成立的Excientia、2013年成立BenovolentAI，都有透過AI進而開發的藥物，例如Excientia開發的長效血清素5-HT1A受體促效劑DSP-1181，是史上首個由AI設計並進入臨床的候選藥物，不過該藥在2023年10月已終止試驗。
 
BenovolentAI則是在去年4月公布，其由AI開發治療輕度至中度異位性皮膚炎藥物ben-2293在二a期試驗中，也僅證實藥物具安全性，但療效尚不明確的結果。
 
劉睿哲認為，主要還是目前基礎的科學研究還待更多突破，因此尚未有更好的系統產生相關的大數據，讓 AI 真正發揮功能。他也建議，政府在此方面，可扮演重要的推動者角色，增加基礎研究的支持。「當我們有更多的數據來深入了解疾病的生物學，如此一來 AI 應可以更有效地發揮」。