[專欄] <%:data.title%>

專題 <%:data.title%>

<%:~nl2br(data.summary)%>

<%:data.subtitle%>

<%:data.subtitle%>

#<%:prop.issue%>

<%:~formatDate(prop.online_date, 'YYYY MMM DD')%>

<%:prop.title%>
<%props prop.kols%>
<%:prop.realname%>
<%/props%>
<%if prop.column_id != 0 %> <%/if%> <%if prop.topic_id != 0 %> <%/if%>
國際科技大廠競逐 AI 研發新藥市場,安宏生醫加入戰局

ISSUE #062

國際科技大廠競逐 AI 研發新藥市場,安宏生醫加入戰局

2022-09-12 10:30:00

近幾年,人工智慧技術廣泛用於許多領域。在生技醫療領域,AI 除了應用在疾病診斷範圍的影像判讀,也開始應用於新藥研發。各大藥廠紛紛與科技巨頭微軟、Google、IBM、Nvidia 等進行合作,利用 AI 技術開發藥物。台灣也不落人後,新創團隊安宏生醫建立了 AI 新藥研發平台,憑藉 AI 與國際大廠競逐新藥市場。

#大廠紛紛以 AI 輔助研發新藥 #台灣新創安宏生醫不落人後 #

郭晏銓

郭晏銓 / 特約記者

採訪寫作

陳卓君

陳卓君 / 副總編輯

審訂

圖片來源 - Pixabay

questionquestion

發生什麼事?

近幾年,隨著模仿大腦神經網路的「深度學習」(Deep Learning)發展下,人工智慧(AI)技術被廣泛用於許多領域。在生技醫療產業,AI 除了應用在疾病診斷的影像判讀外,也被引進新藥研發領域

  • 過去,藥物研發公司靠高速藥物篩選儀器(high-throughput),來篩選出有藥物潛力的化合物分子。現在,新藥公司紛紛引進 AI 技術,輔助篩選新藥,甚至設計新藥。在 2018 年時,就已有超過 60 家的新創公司與 16 家製藥公司,利用 AI 進行藥物開發。(泛科學
  • AI 於醫藥市場應用領域很廣,如醫藥研究與開發、患者健康與風險管理、醫院行政管理與支援協助,以及影像判讀、疾病檢測與診斷、醫療生技應用等範疇。
    • 根據 Mordor Intelligence 統計,2020 年醫藥市場的人工智慧(AI)價值達 44.9 億美元,預計到 2026 年將達到 348.8 億美元,從 2021 年到 2026 年的複合年成長率高達 39.8%,為急速成長的領域。其中,AI 醫藥研發市場的成長,遠高於整體 AI 醫藥市場的成長。北美智財報
  • 蛋白質藥物是藥物開發的核心,無論是小分子藥物或大分子藥物,都必須掌握細胞蛋白質的型態。繼 AI 圍棋軟體 AlphaGo 主宰圍棋領域之後, Google 旗下的 DeepMind AI 也將 AI 應用於醫療上,透過深度學習,可預測蛋白質立體結構。科學家希望運用此技術,辨識有問題的蛋白質,發現疾病原因,或藉以預測候選藥物的結構,評估其作用機制,解決 1970 年以來,科學家亟思解決的難題。(科技新報


產業如何因應?

  • 全球藥物研發巨頭紛紛透過 AI 技術輔助,以超級電腦來分析大量生物醫學資訊,包括基因、藥品、專利資料以及醫學文獻等,快速挑選候選藥物,以降低研發風險。(基因線上
    • IBM 與美國輝瑞藥廠簽約,利用 IBM 的 AI 系統華生(Watson)加速篩選免疫腫瘤學的藥物
    • 微軟在華盛頓的研發實驗室(Microsoft Research Labs in Redmond, Washinton)也運用 AI 於藥物設計與藥理學研究
  • 不僅軟體公司,晶片處理器廠商也加入這場 AI 研發新藥的戰局。全球繪圖處理器龍頭輝達(Nvidia)在 2021 年宣布,與知名藥廠阿斯特捷利康(AstraZeneca, AZ)合作,打造新藥開發 AI 模型,加速新藥開發。(iThome
  • 看好市場前景,許多資源正湧入 AI 領域。以 AI 為主力的藥物開發新創公司,在 2018 年的募資就超過 10 億美元。所有大型製藥公司都宣佈至少與一家 AI 新創公司合作。科學人雜誌


未來會如何?

  • AI 用於新藥開發才剛起步。根據全球科技諮詢公司 PreScouter 在 2018 年發布的《What are the applications of artificial intelligence in drug discovery & development?》報告中指出,多數企業著重在新藥設計、探討疾病機制與彙整數據等。以報告中所提到的技術就緒指數量表(Technology Readiness Level, TRL)來評估全球 AI 技術在藥物開發的商業化進展程度,以 TRL 滿分為 10 的基準,多數仍處於 3 到 5 分,代表 AI 技術在藥物開發領域還在基礎研究階段,未來仍有許多發展空間(詳見文末 安宏生醫執行長林助強訪談)
  • 隨著 AI 技術日益成熟,可減少新藥研發時間、減低需要合成與測試的臨床前藥物結構數量,並降低藥物發展後期的失敗率、增加新的候選藥物。預料未來導入 AI 技術輔助研發的公司將越來越多,醫藥產業與資訊科技公司的合作也更加緊密,數據科學的應用將成為關鍵趨勢。(北美智財報

台灣的新創團隊安宏生醫也透過建立 AI 平台,成功在數月時間內,設計出新型抗攝護腺癌新藥,並已經申請美國專利。透過以下《旭時報》與安宏生醫執行長林助強的訪談,一同了解如何運用 AI 技術開發藥物。

深度對談

question
身為資深的新藥開發專家,請您分享過去藥物開發時,科學家可以取得的輔助工具?歷經過哪些演進?在各代藥物的研發中,扮演什麼角色?
林助強

林助強

安宏生醫執行長

實際上過去 20 年間,藥物化學家都有透過電腦輔助藥物設計,只是因為早期電腦運算效能不足,運算時間很長,加上軟體演算法發展不像今天,並不是很好用的工具。過去主流是以高通量篩選(High throughput Screening, HTS)來加速新藥標的物的發現(discovery)。這種方法是根據藥物化合物庫,找出合適的標的物後,再進行藥物篩選及修飾。這機器很昂貴,機器就需要台幣千萬以上,需要有專人操作,還需要依賴大量的實驗室工作,需要的資金與成本都很高。

另一方面,我們的主要產品是「蛋白質降解劑」,這與一般的小分子化合不同,屬於特殊化學結構的小分子藥物,就算我們想這樣做,市面上也沒有合適的分子資料庫,能夠讓我們進行進行藥物篩選,所以傳統的高速藥物篩選的方法,對我們並不可行。

另外,最近幾年比較流行的是傳統電腦輔助的藥物虛擬篩選(CADD)。這是透過電腦軟體輔助,來進行虛擬的藥物篩選。但是我們的藥物是以配體為基礎(ligand-based)的設計,來預測藥物的性質,例如藥物在體內吸收、分布、代謝與毒性,或者是以結構為基礎的(structure-based)藥物開發,如利用藥物分子與蛋白質嵌合的程度,來預測藥物與目標蛋白結合位向,也會需要透過分子動態模擬,預測藥物與蛋白質的催化機制。

因為早期軟體演算法的限制,加上缺乏可應用的化合物結構資訊,CADD 就幫不上忙。不過,AI 技術出現後,我們導入了最新的 AI 平台,就讓上述希望透過電腦完成的部分,都成為可行的方法。不過,這也不是一蹴可及的...

question
您認為 AI 藥物設計平台需要具備哪些元素?可用於哪些藥物開發階段?有 AI 輔助可以提升多少效率或減少哪些成本?
林助強

林助強

安宏生醫執行長

一般人對 AI 技術的期待,常常是要更快、更準、更方便。但是在製藥業,能夠成藥的準確性更是重要,這也是目前 AI 技術運用在製藥產業上最常面臨到的問題。

有賴於現今圖形處理器(GPU)對運算力上的輔助,使得 AI 在分析資料量速度及運算速度有所突破,加上近年來「圖神經網路」(Graph Neural Network, GNN)的快速發展與趨近成熟,非常適合製藥領域將其應用在化學結構的分析與設計。

如何判斷一個候選的藥物標的是否可以製成藥物,須回到 AI 訓練模型的根本,就是是否有導入正確的藥物化學資訊及觀念進行模型訓練、以及訓練後的模型結果測試是否有專業人士進行模型校正,不然還是「garbage-in, garbage out」的結果...

question
前幾年常聽到 AI 要導入新藥研發,甚至 Google 青少年科學獎中,也有給一位以 AI 設計藥物的青少年。很多公司也提到他們會導入 AI,但目前已經有透過 AI 輔助,推展到臨床晚期,甚至成功上市的藥物嗎?
林助強

林助強

安宏生醫執行長

實際上藥物化學家已長期應用電腦輔助於藥物設計,廣義來說過往的 CADD 已是 AI 的雛型。

其中一個成功例子為選擇 BRAFV600E 蛋白進行黑色素瘤藥物設計。當初的研發團隊根據 BRAFV600E 蛋白上的特定結合孔洞,使用以片段為基礎的設計方式(fragment-based design),從最起始的 nonselective 7-azaindole 分子結構不斷的進行結構優化,最後取得 PLX4032 分子(Vemurafenib),並在 2011 年獲得 FDA 批准使用。(Tsai, James, et al. "Discovery of a selective inhibitor of oncogenic B-Raf kinase with potent antimelanoma activity." Proceedings of the National Academy of Sciences 105.8 (2008): 3041-3046.)

另外, 依據今年2月份報導,Insilico Medicine 利用 AI 藥物發現平台生成的首個治療特發性肺纖維化(IPF)口服小分子抑制劑 ISM001-055,已在臨床一期試驗中完成多名健康自願者給藥。

我們若根據全球科技諮詢公司 PreScouter 在 2018 年發布的《What are the applications of artificial intelligence in drug discovery & development?》報告中所整理的結果,多數企業著重在新藥設計、探討疾病機制與彙整數據等。若將報告中所提到的技術就緒指數量表(Technology Readiness Level, TRL)其滿分評級在 TRL 10,若評估全球 AI 技術在藥物開發的商業化進展程度,多數仍處於 TRL 3 ~ 5,代表 AI 技術在藥物開發領域還在基礎研究階段。

我們的 AI 平台是基於開發出成功的藥物,透過生物、化學、資訊與臨床等跨領域人才的合作模式,讓我們能夠快速串接開源(Open Source)程式,以藥物化學觀念去調整參數及機器訓練模型,打造出自動化藥物設計的平台技術,也是最適合應用於小分子藥物及蛋白質降解劑的平台技術。

藥物開發常常耗時長達 10~14 年時間。若以我們的商業模式,仿造台灣電子業階段式接棒分工,透過 AI 輔助加速新藥開發,搭配精準醫療的快速發展,或許不久後,藥物推進到市場供應的時間可縮短至 5~8 年。

question
安宏生醫如何建構目前的 AI 平台?從時間和成本上來看,可帶來的效益有哪些?該以什麼商業模式讓平台價值極大化?
林助強

林助強

安宏生醫執行長

這是一套由藥物開發專家主導開發的 AI 平台。我們整合與串接開源程式(Open Source)後,再以藥物化學的知識,去調整參數及訓練深度學習模型,才能讓這個平台用於實際的藥物開發。

我們已經完成產品實證,目前的標的,能夠把原來 2 到 3 年藥物發現的時間,縮短到半年到一年的時間。這個產品已經申請美國專利。

我要強調一點,平台開發的藥物,才能決定平台的效益與價值。無論用 AI 與否,重要的還是開發出的藥物本身的安全性與療效是否能滿足醫療需求。我們希望以藥物為核心,透過 AI 輔助,提升藥物後續的研發成功機率,以及仿造台灣電子業階段式接棒分工,在早期臨床階段,就讓大藥廠接手後續研發,讓藥物及早完成臨床試驗,造福病患。透過安宏生醫產品開發流程說明影片,可以了解我們開發藥物的流程。

此次與談人

林助強

林助強

安宏生醫執行長

延伸閱讀

AI 為找新藥帶來什麼變革?

AI 在藥物開發上有那些應用?解決了過去藥物開發遭遇的哪些難題?

科學人雜誌中文版

如何將 AI 應用在藥物研發上?

人工智慧有可能改變藥物開發過程,使其更加高效率和有效,從而使所有相關方受益,包括開發新藥的公司,以及迫切需要可行治療方式的患者。

PreScouter

時間標記

EPEPISODE # 旭沙龍-張育寧時間

EP #