人工智能在新药研发中的应用现状与挑战.pdf
版权申诉
69 浏览量
2022-11-13
08:05:40
上传
评论
收藏 1.66MB PDF 举报
人工智能在新药研发中的应用现状与挑战
当前，新药研发面临着成本高企、收益率下降的双重困境。新药研发具有技
术难度大、投入资金多、研发风险大、回报率高和研发周期长等特征，随着疾病
复杂程度的提升，新药研发难度和成本迅速增加，全球新药研发成功率呈明显下
降趋势。2019 年，艾昆纬（IQVIA）发布报告指出，新药从临床试验开始到研发
结束的平均开发时间在过去 10 年里增加了 26%，2018 年达到 12.5 年；新药开
发成功率不断下降，2018 年降至 11.4%。据
Nature
杂志报道，新药研发成本
快速增长，2018 年开发的平均成本约为 26 亿美元。新药投资回报率不断下滑，
德勤发布的报告显示， 2017 年全球前 12 大制药公司的研发投资回报率仅为
3.2%，较 2010 年的 10.3%下降 7 个百分点。
人工智能（artificial intelligence，AI）的发展，为新药研发带来了新的技
术手段。通过机器学习（machine learning，ML）、深 度 学 习（deep learning，
DL）等方式赋能药物靶点发现、化合物筛选等环节，大大提升了新药研发的效
率，为降本增效提供了可能。应用 AI 技术，可缩短前期研发约一半时间，使新
药研发的成功率从当前的 12%提高到 14%，每年为全球节约化合物筛选和临床
试验费用约 550 亿美元。
提升新药研发效率，对加快开发临床需求未被满足的创新药物，助力药企抢
占“best-in-class”和“first-in-class”药物市场的机遇窗口期，从而提升药企
全球竞争力具有重要意义。AI 技术作为提升新药研发效率的重要驱动力量，正
在加速对新药研发各环节的渗透。本文通过对 AI 技术、AI 赋能新药研发应用场
景，以及应用 AI 技术的企业主体进行总结梳理，并展望 AI 技术未来发展趋势，
为 AI+新药研发提供思路与参考。
剩余13页未读，继续阅读
评论0
最新资源