全球药物发现人工智能市场销售收入及动态研究报告-研精毕智调研报告网

概述

调研大纲

在过去的五年里，药物发现行业的人工智能得到了更高的发展。就价值而言，2015-2019年全球市场的复合年增长率为49.9%。2019年，总价值为6.8873亿美元。在中国，2014-2019年期间，药物研发市场的人工智能发展更快，价值复合年增长率为87.89%。2019年，中国价值达到3078万美元。

1、全球人工智能在药物发现市场销售收入

全球人工智能在药物发现市场的销售收入在过去几年中实现了快速增长，并预计在未来几年将继续保持高速增长态势。技术进步、数据增长、行业合作和政策支持是推动该市场增长的主要因素。然而，该市场也面临着一些挑战和机遇，需要各方共同努力来推动其健康发展。2019年全球人工智能在药物发现市场销售收入为6.88亿美元。

图：全球人工智能在药物发现销售收入（百万美元）和增长率（2015-2020）

全球人工智能在药物发现销售收入（百万美元）和增长率（2015-2020）

2、药物发现人工智能市场动态

2.1 驾驶员

一旦考虑到与试验中失败的化合物相关的费用，开发一种药物并将其推向市场目前可能需要10-15年的时间，成本超过25亿美元。此外，目前市场上最畅销的10种药物平均只对30-50%的患者有效。

在预期的时期内，推动人工智能药物发现发展前景的关键模式之一是人们对人工智能药物研发的认识不断提高。药物类型，如小分子，正在推动药物发现市场的人工智能。此外，中小企业和各种垂直行业的需求不断增长，宏观经济增长是推动市场增长的主要因素。代谢性疾病等治疗类型正在推动药物研发市场的人工智能发展。此外，中小企业和各种垂直行业的需求不断增长，宏观经济增长是推动市场增长的主要因素。深度学习等技术正在推动药物研发市场的人工智能发展。此外，中小企业和各种垂直行业的需求不断增长，宏观经济增长是推动市场增长的主要因素。制药公司等终端用户正在推动药物研发市场的人工智能发展。此外，中小企业和各种垂直行业的需求不断增长，宏观经济增长是推动市场增长的主要因素。

由于许多关键组织的临近，药物研发市场的人工智能非常集中。主要参与者专注于展示新产品/服务，并不断升级现有产品，以跟上整个行业的步伐。

2.2 约束

人工智能当然很强大，但有些人怀疑这项技术是否可靠或值得信赖，并质疑它在我们的医疗保健等领域应该发挥什么作用。在药物研究中，一些人表示担心这项技术可能被夸大了，人工智能的发现可能没有我们想象的那么具有开创性。

2.3 机会

尽管疾病影响着每个人，并且在研发上花费了数万亿英镑，但仍有数千种疾病没有得到任何治疗。有3亿多人患有罕见病，除非我们大幅破坏现有的经济和发展模式，否则短期内不会开发出治疗这些疾病的药物。

人工智能从大量结构化和非结构化数据中摄取、分析和推断的能力意味着人工智能不仅能够改进药物发现过程，还可以应用于药物开发（见图1A和B）。世界上大约90%的数字数据是在过去两年内生成的，但只有1%的数据经过了分析。每天有超过10000篇生物科学出版物上传到网络上，其中不包括创建的大量高度相关的遗传、“基因组学”和成像数据。没有技术的帮助，人类无法单独使用这些信息，因为任何个人或团队只能分析其中的一小部分信息。为了从这些丰富的数据中为制药行业创造新知识，需要使用人工智能来增强人类的洞察力。在这样做的时候，我们应该能够选择更好的靶点来挑战疾病，制造出具有更高预测特性的更好分子，并为给定的方法选择合适的患者。

2.4 挑战

众所周知，药物发现是一个漫长、复杂和昂贵的过程，需要世界上最聪明的人共同努力。随着世界在努力适应和抵御新型冠状病毒方面面临新的挑战，人工智能（AI）为可能比以往更快地开发出治疗方法提供了新的希望。

事实上，近年来，专注于在药物设计和开发中使用人工智能的初创公司已经获得了约52亿美元的重大投资。

信息引擎

信息引擎是药物发现应用程序背后的基本机器，充当基本信息聚合器和合成器层，其他应用程序可以在其上得出见解、结论和规定功能。科学家们使用这些引擎来更新和汇总信息，并提取出最有可能与特定目的相关的数据。

高级信息引擎集成了来自多个来源的数据，包括以下来源：

科学研究出版物

医疗记录

医生期刊

生物医学信息，如已知的药物靶点、配体信息和疾病特异性信息

历史临床试验数据

全球制药公司目前正在研究的分子专利信息

来自个体制药客户内部研究的专有企业数据

基因组测序数据

放射学影像数据

队列数据

其他现实世界的证据，如社会和环境数据

药物设计的人工智能

基于人工智能的药物设计应用直接涉及药物的分子结构。他们从信息引擎中提取数据和见解，以帮助生成新的候选药物，验证或优化候选药物，或将现有药物重新用于新的治疗领域。

乌尔里克·克里斯滕森

Ulrik Kristensen博士是Signify Research的高级市场分析师。

对于目标识别，机器学习首先用于预测潜在的疾病目标，然后人工智能分诊通常会根据化学机会、安全性和可药用性来订购目标，以识别最有希望的目标。然后，这些信息被输入药物设计应用程序，该应用程序在选择合成之前优化具有所需特性的化合物。然后，可以将所选化合物的实验数据反馈到模型中，以生成用于优化的额外数据。

对于药物再利用，将批准用于特定治疗领域的现有药物与替代疾病中可能的类似途径和靶点进行比较，这为已经开发的药物创造了额外收入的机会。它还为开发新化合物无利可图的罕见病地区提供了潜在的缓解。

此外，在新药开发过程中牢记重新利用，而不是具有针对特定疾病的思维方式，可能会导致未来几年更多盈利的多用途药物进入市场。

人工智能在抗击冠状病毒中的作用

最近对人工智能药物开发的投资为初创公司提供了开发技术所需的人力和资源。这笔资金已用于大幅扩大和建设能力，因为这些人工智能初创公司的员工总数目前在全球接近10000人。

初创公司供应商的一个重点是与制药行业建立紧密的合作关系。对于许多仍处于早期产品开发阶段的人来说，这使他们能够测试和优化他们的解决方案，并创建概念验证作为额外交易的基础。

对于更成熟的初创公司来说，与制药行业的合作将初始投资转化为收入，形式包括订阅或咨询费、新药候选的潜在里程碑付款、为公司进一步投资、首次公开募股、收购或作为一家独立公司的持续成功做好准备。拥有大量公开宣布的人工智能合作伙伴关系的制药公司包括阿斯利康、葛兰素史克、赛诺菲、默克、杨森和辉瑞。

现在，许多人工智能初创公司已经准备好探索合作机会或展示他们的能力。因此，新冠肺炎大流行对许多供应商来说是一次重要的考验，让他们有机会展示自己技术的价值，并有望帮助世界更快地度过这场危机。

了解冠状病毒荚膜上的蛋白质结构可以为药物或疫苗奠定基础。谷歌DeepMind的研究人员一直在使用人工智能引擎快速预测与新型冠状病毒相关的六种蛋白质的结构，尽管这些蛋白质尚未得到实验验证，但这些蛋白质仍可能有助于最终导致治疗的研究。

香港的Insilico Medicine在寻找可能的治疗方法方面迈出了下一步，使用人工智能算法设计新的分子，可能会限制病毒的复制能力。利用2003年导致SARS爆发的类似病毒的现有数据，他们发表了六种可能治疗新冠肺炎的新分子的结构。

此外，总部位于德国的Innoclus利用其药物发现信息引擎设计了一种新的候选分子，该分子与新型冠状病毒上的靶蛋白具有高结合亲和力，同时保持了生物利用度、吸收、毒性等药物相关性标准。其他遵循类似策略以识别新靶点和分子的AI参与者包括Pepticom、Micar Innovation、Acellera、MAbSilico、InveniAI和Iktos，并且每天都会宣布进一步的举措。

尽管人工智能可以帮助研究人员确定目标和潜在的设计，但临床测试和监管批准仍需要大约一年的时间。因此，在等待疫苗或新药开发的同时，其他团队正在寻找市场上可以重新用于治疗新冠肺炎的现有药物。