亞洲生技大會論壇規模逐年擴展，今年大會論壇總計有3場主題論壇與12場創新論壇，涵蓋AI人工智慧應用、企業籌資與投資論壇、CDMO (委託開發暨製造服務)、ADC (抗體藥物複合體)、次世代疫苗創新等熱門趨勢。約3,000名與會者中超過四成來自海外，已經成為亞洲最具代表性及最大規模的國際性生技論壇之一。國際產官學代表人物匯聚，分享最新技術與合作發展，深藏全球即時商情，業界人士不容錯過。本刊特別完整收錄，讓您一手在握，任憑挖掘！​​​​​​

責任編輯/吳培安

Session A-1

突破傳統藥物極限！
PROTAC、放射配體、體內基因編輯
引領精準醫療下一波創新

在大會論壇之後，亞洲生技大會以創新論壇(Innovation Forum)方式，揭開三日的活動。首場Session A-1論壇中，以新興治療模式(New Modalities)為主軸，分別從誘導鄰近性治療(Proximity-Based Therapeutics)、放射配體療法(Radioligand Therapy, RLT)及體內基因醫學(In vivo Genetic Medicine)等面向，探討如何突破傳統藥物可治療標靶限制，加速下一世代精準醫療發展。

Ryan Potts»
安進打造35種E3 ligase平台
最新 LOCKTACs突破難成藥標靶

安進(Amgen)研究副總裁Ryan Potts分享，目前人體基因體中仍有超過八成蛋白質屬於「不可成藥」(undruggable)標靶，也缺乏有效治療方式，因此安進近年積極投入新型藥物平台研發。

他分享，鄰近性治療的核心概念，是利用雙功能分子或分子膠(molecular glue)，將目標蛋白與特定效應蛋白拉近距離，不僅能促使蛋白質降解，也可調控其活性、位置及功能。

目前蛋白質降解技術(PROTAC)已率先進入臨床應用，但現有技術多仰賴單一E3 ubiquitin ligase(Cereblon)，限制可治療標靶範圍，安進建立超過35種E3 ligase、350多種配體及逾50萬個類藥性分子資料庫，透過系統化篩選分子膠，加速開發更多可降解困難標靶蛋白的新型藥物。

他也介紹安進最新提出的 LOCKTACs概念，透過穩定蛋白質間天然交互作用，將目標蛋白鎖定於特定狀態，藉此調控蛋白功能，而非直接促進蛋白質降解。

例如在染色體不穩定癌症中，可藉由鎖定KIF-18A與微管結合，干擾癌細胞分裂，為未來開發更多難以成藥的標靶提供全新策略。

Bimba HV»
諾華放射配體療法持續升級
供應鏈成下一步關鍵

諾華(Novartis)東南亞暨臺灣臨床研究醫學顧問Bimba HV表示，放射配體療法因為結合放射治療與標靶治療優勢，可將放射性同位素精準遞送至癌細胞，被視為繼手術、化療、放療、標靶治療及免疫治療後，癌症治療的第六大新興治療模式。

她指出，放射配體療法雖早於20多年前便開始發展，但受限於基礎設施及商業模式，直到2017年Lutathera、2022年Pluvicto相繼上市後，才真正帶動產業快速成長，也吸引大型藥廠積極投資與併購相關新創公司，推升放射配體療法成為近年癌症治療的重要發展方向。

她表示，放射配體療法最大的特色在於「診療一體(Theranostics)」，可利用相同配體結合不同放射性同位素，先透過影像診斷確認腫瘤位置，再進一步進行精準治療，實現「See it, Treat it」的治療模式。隨著平台逐漸成熟，目前已有超過35家企業投入、逾500項臨床試驗正在進行，除PSMA、SSTR外，也積極拓展HER2、PD-L1、FAP等新標靶，預期未來5至10年將有更多產品上市。

Bimba HV指出，未來放射配體療法的創新將聚焦於新型配體、α放射同位素等技術發展，但由於放射性藥物半衰期短，如何建立穩定製造與供應鏈體系，還是推動產業規模化的重要挑戰。

Tony Ho»
Land Therapeutics開發靜脈注射基因編輯療法 降低治療門檻

Land Therapeutics執行長暨Pivotal Bioventure資深科學合夥人Tony Ho表示，全球首款獲准的CRISPR基因編輯療法Casgevy，已證明重新活化胎兒血紅素，可改善鐮刀型紅血球疾病及β型地中海型貧血，但患者仍須接受幹細胞採集、體外製造、骨髓清除化療及住院，估計僅約5%患者能接受治療。

Ho表示，為降低治療門檻，Land Therapeutics正在開發可透過靜脈注射給藥的標靶脂質奈米粒子(LNP)，可將Cas9及引導RNA送進特定細胞，並降低肝臟及其他非目標組織的非預期基因編輯。初步試驗顯示，該技術在EGFR陽性腫瘤細胞、CD38陽性骨髓細胞及肥大細胞中，基因編輯率最高分別約為90%、95%及77%。後續將推進IND前開發,並評估應用於體內CAR-T、自體免疫疾病，以及腎臟、肌肉、肺部與關節疾病。

會後並由生物技術開發中心(DCB)執行長李財坤主持綜合討論，邀請MiRXES資深科學暨企業策略顧問馮玉蓮，與講者們圍繞新興治療模式的未來發展，針對誘導鄰近性治療、放射配體療法及體內基因醫學等技術的臨床應用、產業化挑戰、供應鏈布局及未來發展趨勢進行交流，並探討如何加速新世代精準醫療落地。

Session A-2

AI助攻臨床試驗加速！
臺灣研發量能節節攀升

在Session A-2「以AI加速臨床試驗進展並提升成功率」中，從臨床試驗啟動、AI導入臨床開發、前臨床轉譯與全球研究啟動等面向切入，探討如何運用AI加速試驗進展並提升成功率。

李岡遠»
低AI助攻試驗啟動
臺灣TACTC網絡串聯臨床量能

臺北醫學大學副校長暨萬芳醫院院長李岡遠指出，臨床試驗速度是藥物開發過程中的關鍵，尤其在人工智慧快速發展的當下，臨床試驗也必須同步轉型，才能真正發揮AI在藥物開發上的加速效益。他表示，這場論壇聚焦的兩大主軸，就是「加速」與「成功率」，而要在競爭激烈的全球市場中取得優勢，重點已不只是把藥物快速推進臨床，更要確保臨床資料與執行成果具備足夠品質，才能提升成功機率。

李岡遠提到，臺灣其實擁有世界領先的臨床試驗樞紐，只是過去較少被外界充分認識與使用，因此需要透過臺灣臨床試驗中心聯盟(TACTC)串聯國際醫療創新體系，打破傳統試驗流程中的行政瓶頸與執行不確定性。他說，TACTC的核心概念，是透過智慧化基礎設施與透明化流程，讓試驗啟動更快、作業更清楚，也更一致。

他透露，TACTC的作法包括建立品質資料與簡化流程，並以單一窗口統整可行性評估、安排合適的主要研究者，以及IRB(人體研究倫理審查委員會)申請與倫理審查作業，還會利用大型語言模型為不同醫院建立模板，同時推動多中心啟動壓縮與合約模板標準化，以加快執行效率。

李岡遠強調，TACTC也整合全臺臨床試驗站點、病人招募生態系與國家平台，目標涵蓋全臺醫學中心與多個區域據點，支援細胞治療、基因治療與創新醫療試驗，讓臺灣成為亞太臨床試驗樞紐。

吳麥斯»
臺灣具臨床試驗樞紐優勢
AI可讓啟動流程更快更穩

臺北醫學大學校長吳麥斯指出，AI正重新形塑臨床試驗的啟動邏輯，其角色已超越傳統輔助工具。他認為，臺灣已具備發展臨床試驗的優勢條件，但能否進一步提升國際能見度與競爭力，秘訣在於打造更具系統性的運作架構，讓各環節銜接更順暢，並提升整體決策與執行的效率與準確性。

吳麥斯指出，過去臨床試驗流程常受到行政瓶頸與流程碎片化影響，導致多中心啟動緩慢、文件標準不一、跨院協作成本高，而TACTC的設計，就是要透過單一窗口與標準化模板，把這些程序整合起來。他說，AI在其中不只是協助自動化，也能幫助醫院把資料與作業流程整理得更一致，讓臨床試驗執行更順暢。

他也提到，臺灣在醫學中心、區域醫院與研究團隊的分布上，具備串聯全國臨床試驗資源的潛力，若能持續強化平台整合與病人招募生態系，未來不只可支援細胞治療、基因治療與創新醫療試驗，也有機會把臺灣的臨床試驗量能，延伸成更完整的亞太合作網絡。

伊藤一洋»
AI從臨床前就該介入
呼吸道疾病轉譯研究可更精準

英國倫敦帝國學院呼吸道分子藥理學教授伊藤一洋(Kazuhiro Ito)指出，AI的應用不僅限於臨床階段，臨床前研究與轉譯醫學階段也同樣重要，因為前期研究若出現偏差，後續臨床結果也可能受到影響，因此越早導入AI，越能提升整體研發的準確度與可靠性。

他說明，藥物研發雖然常在病人端才看見失敗，但真正影響結果的因素，往往早在臨床前階段就已經出現。若能在這個階段運用AI協助分析，不僅可以提高安全性，也能在生物標記辨識、劑量推估、藥物沉積模擬與樣本數估算等重要環節，提升判斷精準度。

伊藤一洋以呼吸道疾病為例指出，AI已可用於文獻分析、路徑探索、靶點識別與資料最佳化等工作，並進一步協助預測氣喘急性惡化、病毒感染劑量，以及吸入後藥物在不同部位的沉積狀況。這些應用不僅能縮短試驗時間、降低開發成本，也能提高預測精度，讓呼吸道疾病的藥物開發更貼近臨床需求。

Kush Dhody»
完整的臨床試驗架構
有助AI技術發揮作用

Amarex Clinical Research總裁暨臨床營運主管Kush Dhody指出，多數臨床AI計畫無法擴大應用，問題通常不在演算法，而是組織尚未建立可供AI運作的流程與資料基礎。他將AI準備度分為4層，依序為建立臨床試驗品質標準、將試驗計畫書轉為可供應用的資料、串接不同系統並建立可追溯的資料治理，最後才導入AI模型、代理人與AI助理等工具。

Dhody表示，臨床開發過去長期依賴各類試驗文件、監測計畫及統計文件來推進工作。這些資料分散於不同系統，且需重複輸入與定期審查。AI導入後，工作單位應由文件轉為可供應用的資料，並以單一資料來源串接品質規劃、資料管理、風險監督、試驗中心執行及法規申請。

他強調，組織的AI準備度是由最薄弱的基礎層決定。企業不必一次完成全面轉型，應先從單一臨床試驗開始，建立可追溯的資料治理、預先指定訊號及人為監督機制，再逐步自動化，避免只完成無法延伸至下一項試驗的AI展示案。

Iris Liao»
Al優先導入試驗計畫書
帶來每年逾10億美元經濟效益

艾伯維(AbbVie)研發部全球研究啟動主管Iris Liao認為，AI將能重新改寫整個試驗流程。若能縮短藥物開發時間，不僅可讓病人更早接受治療，也可能帶來每年逾10億美元經濟效益。不過，截至2024年底，在受訪18家藥廠與生技公司中，僅11家已將AI擴大應用於臨床開發，顯示產業仍卡在如何建立結構化流程與導入模式。

Liao認為，臨床試驗計畫書是AI可優先切入的環節之一。目前約60%的試驗需修改計畫書，並可能延誤最多260天。生成式AI可協助檢視試驗終點、劑量及統計設計，在首位受試者收案前找出問題。

此外，AI也可透過電子健康紀錄加快辨識合適病人，使收案效率提高最多65%，並利用合成對照組減少20%至30%的實際對照組需求。

另外，AI也可結合風險導向監測與異常偵測，讓資料上傳後即時檢查。Liao建議企業先盤點需求、設定成效指標，再由試辦逐步擴大導入，並建立AI優先的標準作業程序。會後由李岡遠主持下，與講者們一同圍繞AI在臨床試驗中的實際應用與發展挑戰進行交流，並針對試驗啟動效率、資料整合、全球研究執行與臨床開發系統建構等議題交換意見，探討如何在提升效率的同時，進一步強化臨床試驗品質與成功率。

Session A-4

AI重塑藥物研發全流程！
Schrödinger、晶泰、InFocus解析新藥開發

Session A-4論壇以AI x Medicine為主軸，從物理計算、自動化實驗到RNA藥物開發，分享AI如何重塑藥物研發流程與決策模式。

Karen Akinsanya»
AI藥物設計仍需物理計算
臨床結果才是最終驗證

Schrödinger研發治療事業總裁暨合作策略長Karen Akinsanya指出，AI雖能協助擴大分子探索範圍，但受限於訓練資料不足，尚難直接處理未被充分研究的新標的。

她認為，藥物設計仍需以物理模型建立可驗證的預測基礎，再由研究人員結合實驗結果持續修正。

Schrödinger目前將量子力學、分子動力學、自由能計算與機器學習整合至藥物研發流程，用於評估分子結合、溶解度、通透性及脫靶風險。她將代理型AI系統Bunsen定位為研究人員的協作工具，協助操作複雜平台與整理分析結果，而非取代科學家的判斷。

Akinsanya以MALT1抑制劑計畫為例說明，他們先以運算篩選82億個分子，最終僅合成78個化合物，並在10個月內取得候選藥物。她表示，AI能否真正改善藥物研發，不能只看模型表現或體外數據，仍須以候選藥物進入臨床後的安全性與療效作為判斷依據。

她也說明，Schrödinger近年積極與學術機構、生技公司及藥廠建立多元合作模式，從共同創業、開放提案到與大型藥廠並肩執行專案，目的都是讓AI與物理計算真正走進實際藥物開發流程。

蔡政杰»
AI結合自動化實驗
28天內找出3個GPX4活性分子

晶泰科技(XtalPi)企業暨商業發展副總裁蔡政杰指出，藥物研發的分工模式正在改變，過去多半由研究人員設計並執行實驗，如今則逐步轉為由AI負責規劃與判斷，再交由自動化設備完成合成與測試。他表示，晶泰已建立涵蓋有機合成、配方開發及材料測試的自動化平台，不僅可全天候運作，實驗通量也約為人工的5至8倍，並能在每一輪實驗後持續累積標準化資料，作為後續模型訓練的基礎。

蔡政杰表示，AI模型能否真正發揮效果，關鍵仍在資料品質。晶泰目前已累積約600萬筆計算資料與200萬筆實驗室資料，團隊也觀察到，若只使用自有資料訓練模型，表現反而可能優於混入公開資料的版本，主因在於公開資料常有再現性不足的問題，而且多半缺少失敗實驗的紀錄，容易讓模型學到偏頗的判斷。

談到團隊自行開發的系統Genius AI Agent，他認為，這套系統可協助科學家完成專利搜尋、背景整理、庫存查詢、可合成性分析，以及設備參數設定等工作。蔡政杰提到，系統上線6個月後，每月處理的化合物數量已從約200個增加到超過5,000個；以GPX4為例，團隊先從8,000個分子中篩出159個候選物，再進一步縮小範圍，最後只花28天就找出3個具活性的分子。

蔡政杰表示，晶泰的核心做法，是把AI、雲端運算與自動化平台整合成一套可高速迭代的研發流程，讓分子設計、虛擬篩選與實驗驗證能夠彼此銜接、持續修正。他強調，AI在其中扮演的已不只是加速工具，更是推動藥物研發進入持續學習循環的關鍵引擎。

方曉薇»
AI決策引擎提升RNA藥物研發效率

InFocus Therapeutics共同創辦人暨執行長方曉薇指出，AI現在已能生成大量分子，但藥物研發真正需要改善的，並不是分子產量，而是決策品質。她表示，研發團隊真正必須回答的問題，包括哪些資料值得信任、哪些分子值得合成，以及哪些實驗結果足以影響下一步方向；若這些判斷一開始就出現偏差，單純提高執行速度，也無法彌補臨床前階段在標的、分子或疾病假設上的錯誤。

她說明，InFocus將藥物發現視為一個持續學習的循環，也就是每一個化合物、每一筆數據，都應該為下一輪實驗提供資訊，而不只是留下單次結果。基於這樣的思維，公司建立了一套AI藥物發現引擎，整合預測模型、構效關係分析、分子生成，以及評分與排序工具，同時保留人類與實驗室在決策流程中的角色，藉此優化整個設計(D)、製造(M)、測試(T)、分析(A)的DMTA流程。

她以RNA標的藥物開發為例指出，團隊是透過小分子調控RNA剪接，讓帶有毒性外顯子的轉錄本被降解，進而降低致癌蛋白生成。針對MYB這個標的，InFocus開發出的A25先導候選產品系列，在大腸直腸癌小鼠模型中以口服方式給藥後，達到40%的腫瘤生長抑制效果，初步觀察到的耐受性也相對良好，顯示這套以學習循環為核心的研發方式，已能逐步轉化為具體成果。

方曉薇強調，模型終究只是假設，並不是事實本身，因此團隊格外重視陰性數據的價值。她認為，這些看似失敗的實驗結果，往往更能幫助研究人員釐清方向，並為下一步決策提供關鍵資訊，而這也正是目前多數公開數據集最缺乏、卻最容易被忽略的一部分。

資料、計算與判斷並行
AI藥物研發的下一步

會後由國家衛生研究院生技與藥物研究所所長暨特聘研究員謝興邦主持綜合討論，邀集三位講者就AI在藥物研發中的應用、限制與未來方向進一步交流。Akinsanya以AlphaFold為例指出，成功的AI模型仰賴長期累積且品質穩定的實驗資料，因此生物學數據若缺乏標準化與負向結果，AI就難以真正發揮預測能力。

蔡政杰則強調，AI與自動化平台的價值不僅在於加速，還在於讓科學家更快找到下一輪實驗應該怎麼做。他也提到，藥物研發最終仍須回到臨床場域驗證，因此不同物種間的資料差異、轉譯可行性與製造條件，都是AI模型必須面對的現實限制。

方曉薇則補充，AI在藥物研發中的角色不是取代科學家，而是幫助建立更快、更準確的學習循環。與談人一致認為，唯有把高品質資料、物理計算、實驗驗證與人類判斷結合起來，AI才能真正從工具升級為藥物研發的決策引擎，推動新藥開發持續向前。

Session A-5

CDMO不只是代工！
林靜雯、葉志鴻、Mallik Paranandi、Shigeru Kunii、Shigeru Kunii
揭新型態療法驅動策略夥伴新時代

Session A-5以「CDMO策略」為主題，由台康生技資深副總暨業務長林靜雯擔任主持，並邀請臺灣微脂體執行長葉志鴻、賽諾菲(Sanofi)全球生物製劑開發暨臨床製造主管Mallik Paranandi，以及生物藥CDMO商AGC Biologics亞洲商務開發主管國井茂(Shigeru Kunii)、胜肽CDMO開發商AmbioPharm亞洲資深副總Gary Hu，以綜合討論形式，共同探討CDMO產業未來發展方向。

技術能力、品質系統、供應能力
為CDMO評選三大關鍵

針對CDMO合作夥伴的評選標準，賽諾菲全球生物製劑開發主管Mallik Paranandi表示，無論是小分子、胜肽或生物藥，藥廠之所以尋求CDMO合作，是因為內部缺乏相關技術與產能，因此，首先會看夥伴是否備足夠的技術深度，尤其是在製程開發、問題排除及技術轉移上提供專業能力。

第二項是在品質與法規遵循上。他指出，僅有品質系統並不足夠，更重要的是是否真正落實執行，同時確保資料完整性(Data Integrity)，這也是未來數位化管理的重要角色。

第三則是穩定供應能力，包括是否能依照時程交貨、確保產品品質及長期供應，讓患者能持續取得藥物。

臺灣微脂體執行長葉志鴻則分享，台微體與7家CDMO合作的經驗，他笑稱，自己選擇CDMO時，第一件事就是觀察對方「回Email的速度」。他認為，回覆效率反映合作團隊未來解決問題的速度與溝通品質，也是判斷合作默契的重要指標。

此外，因為台微體專注於LNP脂質奈米粒的開發，但該領域新技術分析十分複雜，他也特別重視CDMO方的分析方法；不過他也建議，公司內部仍須保有一定程度的製程、分析及品質團隊，不能完全依賴CDMO。

一站式服務就比較好？
各廠商需求不同 沒有標準答案

針對CDMO應該朝向「一站式服務(End-to-End)」或「專精型(Niche Expert)」發展，AmbioPharm亞洲資深副總Gary Hu表示，胜肽藥物技術日益複雜，包括長鏈胜肽、特殊胺基酸、環狀胜肽等，都需要高度專業，因此公司選擇深耕胜肽製程，而非追求全面服務。

AGC Biologics亞洲商務開發主管國井茂則認為，大型CDMO可提供從臨床前到商業化的一站式服務，降低客戶管理多家供應商的負擔，但並非所有技術都適合CDMO內部自己建立，因此部分領域仍會透過合作夥伴補足能力，例如最後藥品成品(Drug Product)製造，便採策略聯盟模式，以兼顧效率與成本。

對於專案延遲看法，國井茂提醒，許多延誤其實來自雙方在專案初期設定了過於樂觀的時程。藥商面臨投資人壓力，希望盡快推進臨床，而CDMO也為了爭取案件提出積極承諾，卻未充分保留緩衝空間，最終反而造成更多重工。

Mallik Paranandi認為，不應把速度(Speed)與品質(Quality)視為二選一，而應追求「Speed with Quality」，在兼顧品質前提下提升效率，而不是犧牲品質換取速度。

新型態療法浪潮來襲
AI驅動CDMO升級策略夥伴角色

談到未來5年趨勢，Mallik Paranandi指出，新型態療法的時代已經開始，目前雙特異性抗體(Bispecific Antibody)、三特異性抗體(Trispecific Antibody)、奈米抗體(Nanobody)、細胞治療及基因治療等療法快速增加，這些產品沒有既有製程可依循，每項產品幾乎都需要重新建立配方、分析方法與製造流程。

他表示，AI與數位工具未來將協助加速製程設計與知識累積，同時降低製造成本(COGS)，否則即使產品有效，也可能因成本過高而無法真正造福病人。更重要的是，藥廠與CDMO必須建立更緊密的策略合作關係，共同推動新藥開發與製造。

與會者一致認為，未來CDMO不再只是供應商，而是新藥開發團隊的一員，只有建立團結(One Team)合作文化，彼此信任並共同承擔風險、分享資訊與解決問題，才能加速創新療法送到患者手中。

Session A-6

AAV、基因編輯接棒突破！
專家：未來CGT將從罕病走向常見疾病

Session A-6以細胞及基因療法(Cell & Gene Therapy, CGT)為題，分享多項創新基因療法開發成果，並聚焦於如何打造CGT產業生態系進行討論。啟弘生技董事長暨執行長阮大同於開場致詞中表示，CGT正處在從科學突破邁向臨床應用與產業化的重要階段。

近期，包括體內CAR-T(in vivo CAR-T)技術於臨床試驗取得重要進展，以及日本率先核准iPSC衍生細胞產品，皆顯示CGT技術持續突破，為再生醫療帶來新契機。

不過，儘管技術發展迅速，產業仍須克服自體細胞治療商業模式、規模化量產及產品複雜性等挑戰，才能加速臨床普及與市場發展，並期待透過跨國專家交流、共同分享臨床經驗與產業觀察，促進細胞與基因治療生態系(ecosystem)持續成長。

胡務亮»
AAV基因療法成功上市締造里程碑
攜手啟弘拓展治療更多疾病

中國醫藥大學特聘研究員胡務亮為臺灣遺傳疾病治療及基因療法開發的先驅醫師科學家。他指出，目前已知遺傳疾病超過7,000種，但真正能夠獲得有效治療的仍屬少數，這也成為當前開發基因療法的契機，特別是找出可擴展到各式疾病的基因療法平台。

例如，腺相關病毒(AAV)，因不具致病性、載體穩定且可長時間存在於細胞核內，是目前基因治療最常使用的載體平台。胡務亮表示，雖然AAV在全身高劑量給藥時，可能引發免疫反應及肝毒性等安全風險，但若採局部投與方式，例如直接注射至腦部，便有機會降低病毒使用劑量、減少免疫反應，同時讓治療基因在神經細胞中維持長期表現。

胡務亮分享其帶領團隊開發芳香族L-胺基酸脫羧酶缺乏症(AADC deficiency)基因治療的經驗，透過將AAV載體精準注射至腦部特定區域，使神經細胞重新表現缺乏的酵素，恢復多巴胺生成能力，患者運動功能因而獲得明顯改善。該療法目前已完成藥品核准並於多國取得給付，成為全球首項直接注射至腦部的核准基因治療產品。

除AADC缺乏症外，胡務亮也介紹團隊正...