人工智能如何改变药物制造游戏规则

在药物发现过程中，公司面临着漫长的审批时间和高昂的成本。根据2022年的研究，成功进入市场的概率不到10%。NVIDIA数字生物学总监Anthony Costa在《HealthTech》杂志中写道：“即使在先导优化时间和临床成功率上取得微小进步，对于那些目前尚无已知治疗或治愈方法的数千种疾病来说也至关重要。”

制药行业的人工智能（Pharma AI）涵盖了从药物发现到制造和商业化的整个过程。“Pharma AI是指人工智能技术在制药行业的广泛应用，从药物发现到制造和商业化，”亚马逊云服务医疗保健和生命科学总经理Dan Sheeran解释道。在制造过程中，制药公司利用AI和机器学习算法来提高效率、质量和可靠性。这包括使用预测性维护来防止意外停机、AI驱动的数字孪生进行实时监控和优化，以及AI代理协调模拟和手动任务。

“最终，AI在药物制造中的应用可以缩短生产时间、降低成本、提高产品质量、减少浪费，并可能加快救命药物的交付速度，”Sheeran说。

辉瑞公司通过AI检测异常并在实时操作中提供建议，旨在将其产品产量提高10%，周期时间缩短25%。辉瑞董事长兼首席执行官Albert Bourla在2023年度报告中表示，该公司推出的生成式AI平台使生产效率提高了20%，从而更快地向患者提供更多的药物。辉瑞首席数字和技术官Lidia Fonseca在2024年11月22日洛杉矶AWS峰会上指出，辉瑞的mRNA预测算法每批次可多提供20,000剂疫苗。辉瑞内部的生成式AI平台Vox利用AWS云服务，访问Amazon Bedrock和SageMaker上的大型语言模型。

Moderna也利用AI加速了其新冠疫苗的开发。AWS表示，Moderna部署了物联网、AI/ML和数据分析服务，创建了一个结合智能生物制药制造和供应链流程的互联环境。AI算法还使Moderna自动化质量控制分析，减少了人工审查的时间，改进了生产和物流。

诺华利用机器学习开发智能制造工艺，默克的制造和分析智能平台是一个基于AWS的AI平台，旨在优化其药物制造过程。

加州大学旧金山分校药学院在2024年10月获得了联邦资助，作为健康高级研究项目机构的一部分，以加速AI在药物开发中的应用。生物技术公司可以使用该项目开发的开源数据集和模型，由非营利组织Open Molecular Software Foundation和纪念斯隆凯特琳癌症中心的计算化学家John Chodera提供支持。

UCSF计划使用AI绘制分子地形图，以识别不受欢迎或危险的分子。通过加速药物开发和降低成本，研究人员可以避免后期开发过程中出现的问题。研究人员正在使用机器学习预测分子如何与抗靶点相互作用。

“当你设计新分子时，你需要能够预测分子的性质，例如它在血液中的停留时间或是否会受到肝脏代谢酶的破坏。目前这些预测是好的，但还不够好，”UCSF医学院和药学院生物工程与治疗科学系主任James Fraser解释道。“因此，我们希望新的机器学习和人工智能进展，在获得适当的数据后，能大大提高这些预测的准确性，使我们合成更少的分子以达到相同的效果，从而加速药物发现并降低成本。”

Absci公司使用AMD的Instinct加速器和ROCm软件为其AI药物发现工作负载提供动力，如下一代抗体疗法。AMD表示，Instinct GPU加速器和ROCm软件在开放生态系统中实现高性能计算。2025年1月8日，Absci宣布将获得AMD的2000万美元投资，以推进这一研究并满足AI在药物发现中的需求。

“我们关注的一个领域是所谓的不可成药靶点，”Absci创始人兼首席执行官Sean McClain说。“通过能够针对这些靶点，你可以修改影响基础疾病的通路，创造潜在的治愈或治疗方法。”McClain表示，AI帮助将药物进入临床试验的时间从五年半缩短到18到24个月。Absci在其AI平台上开发了一种用于炎症性肠病的抗体。

McClain还表示，制药公司可以使用AI模型在向食品药品监督管理局提交新药申请时获得批准，以测试药物对人体的影响。

当在药物制造中部署AI时，组织应确保拥有收集、存储和分析AI所需的大数据集的数据基础设施，Sheeran建议。他还表示，组织应有一个明确的策略，将AI集成到药物制造工作流中并验证AI。“公司还应在AI系统中优先考虑透明度和可解释性，”Sheeran说。“在AWS，我们从客户需求和期望的业务成果出发，帮助他们负责任和有效地实施AI解决方案。”

(全文结束)