今(19)日，由生物技術開發中心(DCB)、生技醫藥產業發展推動小組(BPIPO)、 NVIDIA、台灣產業科技推動協會(TITA)主辦「生成式 AI於新藥開發與精準醫療技術研討會」，在第一場AI新藥開發產業趨勢洞悉議題中，DCB產業發展處處長劉韋博、NVIDIA醫療生技解決方案架構師陳映嘉，分享全球AI藥物開發現況、及生成式AI技術如何驅動新藥研發與精準醫療的未來。

劉韋博：2024年，正是AI開發藥物第二波啟動年！

DCB產業發展處處長劉韋博表示，AI與大數據被醫藥專業人士評為近年對製藥產業最具顛覆性的新興技術，大幅提升藥物發現的效率、縮短上市時間、降低了整體開發成本。

在這項趨勢下，全球AI藥物研發公司從300家激增到950家，從資料處理、早期藥物發現、藥物設計、藥物重新定位及臨床開發的跨域生態圈儼然成形；於此同時，投資者數量倍增，也吸引全球大型製藥公司投資數億、甚至數十億美元爭相合作。

劉韋博表示，藥物開發已經成為現今生醫領域AI應用佔比最高的項目。不過，AI開發藥物會因為藥物的模態(modality)產生很大的差異，因此需要有產業價值鏈的專業分工，支持從靶點識別與驗證、分子優化、臨床前實驗的過程。

他也指出，雖然已經有多項AI開發藥物已經進入臨床試驗，但目前仍以臨床一期居多，成功進入二期、取得成功的案例還很少。但他認為，這正好說明產業界正在修正模型當中，「之前可能還在測試或驗證階段，但現在AI開發藥物已經絕對可行！」

最後，劉韋博指出，臺灣AI藥物開發雖然處於起步階段，但臺灣有堅實的AI產業聚落及供應鏈，仍具有發展AI藥物開發的優勢；DCB也期許成為生醫新創的跨域鏈結平台，幫助國內AI新藥開發的進程，也希望能夠促成AI科技公司與產學研醫的深度交流。


(攝影/黃佳啟)

陳映嘉：AI、生物醫學交匯，改變醫療格局

NVIDIA醫療生技解決方案架構師陳映嘉在會中剖析生成式AI如何革新藥物開發與推動精準醫療。她指出，AlphaFold等技術的突破，大幅提升蛋白質結構預測的速度，使新藥設計與篩選進程加快，藥物開發進入全新時代。

陳映嘉表示，透過深度學習模型，研究人員能高效識別具有治療潛力的分子，並預測藥物的吸收、分佈、代謝與排泄(ADME)的數據，進一步提升新藥研發效率及成功率。

此外，陳映嘉提到，隨著語言模型的發展成熟，如ChatGPT，生物大型語言模型展現極大潛力。基因序列由ATCG組成，蛋白質序列僅有20種字母，均可透過語言模型處理。這類模型經過「客服模式」訓練後，可根據研究需求進行精準回應。

她進一步分享，NVIDIA在生物醫學上的應用，包括：Parabricks能快速分析短序列片段定序資料，BioNeMo則用於預測蛋白質與小分子特性、蛋白質生成、姿勢預測(DiffDock)及3D蛋白質結構建模。

在精準醫療方面，陳映嘉強調，AI能分析基因數據，辨識疾病基因變異，預測治療反應，協助制定個人化方案，提升療效並減少副作用。近年，也有生技公司以AI開發新型基因載體，為基因療法於神經退化與癌症治療帶來突破。


(攝影/黃佳啟)

(報導/吳培安、黃佳啟)