报告下载 | BCG发布全球AI新药发现研究报告
70%药企领导者预测：未来5年
内AI将对新药研发产生重大影响
人工智能的进步对人类健康产业的发展至关重要，70%的制药业领导者们预计，在未来的5年时间内，人工智能将对药物研发产生重大的革命性影响。
然而，新药发现的成本越来越高、风险越来越大、耗时也越来越长，如果将失败的成本计算在内，将一种新药推向市场的成本约为 25 亿美元，而这一过程需要平均12-15年。
巨大的成本、风险和时间投入成为创新的主要障碍，市场力量往往将研发工作引向那些商业回报高的领域，如肿瘤和免疫疾病。而相比之下，那些不支持高价位的治疗领域——如许多传染病，往往很难获得资金。
报告发布：人工智能在新药
研发中的现状、阻碍与机遇
过去十年来，人们在人工智能（AI）领域中取得了巨大进步，在机器学习、神经网络、深度学习、生成式人工智能和其他技术上，也都取得了重大进展。制药业、科技公司、投资者和生物医学研究资助者们，对应用人工智能技术加速和改进药物发现的潜力越来越感兴趣。人工智能有可能从根本上改变创新的经济效益，使新药的研发能够针对更广泛的病症和患者群体，也使研究群体的成员也比现在更广泛。如果能够兑现AI在药物研发中的潜力，那么这对人类健康与健康公平的影响将是深远的。
为了确定人工智能在新药发现中的关键用例与应用，评估人工智能在药物发现中的成熟度，并对人工智能在药物发现各阶段中的应用进行评估，确定当前限制其使用的阻碍，并找到克服这些阻碍的解决方案，以释放人工智能在新药发现中的潜力。在此，BCG（波士顿咨询公司）发布了名为《解锁人工智能在新药发现中的潜力》的报告。
报告目的
该报告重点关注人工智能在药物研发过程中发现部分的应用，包括从目标识别到临床前开发的所有步骤。分析涵盖学术研究和工业研究，横跨高收入国家（HICs）和中低收入国家（LMICs）。
新药发现的各个阶段
本报告结合三种分析方法，对人工智能在药物研发中的应用进行解析，分别是：
1.
案面研究：包括文献审查、专利分析、部门资金分析以及制药和 "人工智能优先 "生物技术研发管道审查。
2.
利益相关者调查：了解学术界和产业界以及不同地区的各类人士的观点。
3.
专家访谈：通过专家意见对压力测试结果和分析进行补充。
然后对这些分析进行综合，以回答以下四个问题：
人工智能在药物研发中的应用现状如何？
目前在不同的药物发现领域是如何采用人工智能的？
在药物发现领域进一步采用人工智能的障碍是什么？
哪些举措可以支持在药物研发中进一步采用人工智能？
报告主要观点
该报告通过审查已发表的文献、专利、资金和投资数据，结合专家访谈，分析了人工智能在药物发现领域的现状和未来，看到了人工智能在药物发现领域的价值，也看到了许多尚待实现的潜力，并得出了以下主要观点。
确定了新药发现中的
五大人工智能用例
了解疾病用例：利用人工智能来识别和验证药物发现工作的新目标。
小分子设计和优化用例：利用人工智能来识别热门或先导小分子化合物，并对已识别的热门化合物进行优化，以获得有利的特性。
疫苗设计和优化用例：包括专门用于发现和设计疫苗的人工智能应用，主要侧重于基于mRNA 的疫苗。
抗体设计和优化用例：利用人工智能来识别和优化抗体结构和格式、结合和其他特性。
安全性和毒性用例：利用人工智能来评估相关疗法或疫苗的安全性概况。
新药发现中的
人工智能正在迅速走向成熟
在过去五年中，与人工智能药物发现相关的论文和专利分别同比增长了34%和17%。
然而，这些增长偏重于少数使用案例，过去五年中超过80%的出版物都集中于将人工智能应用于疾病理解、靶点发现和小分子优化。
业界种对人工智能
的使用情况存在差异
尽管在开发用于理解疾病和小分子优化的人工智能工具方面的投资和研究活动不断增加，但采用情况却很落后，目前在各行业细分市场中，只有不到三分之一的调查对象在常规使用人工智能工具。
与学术界相比，目前工业界的药物发现工作更有可能系统地部署人工智能方法，而学术界的使用情况差异很大，通常侧重于开源工具。即使在行业内，使用人工智能的情况也有很大差异，“人工智能先行”的生物技术公司和一些制药公司在药物发现领域率先采用人工智能，前者已经围绕人工智能工具建立起了研发工作流程。
新药发现领域使用
人工智能所面临的障碍
缺乏高质量的数据集、成熟工具的获取途径以及相关的人工智能和药物发现能力，制约了当今人工智能所带来的价值；
缺乏商业潜力会限制数据生成和关键工具的适用性。例如，虽然肿瘤学等具有商业吸引力的治疗领域得到了很好的服务，但传染病领域却没有类似的服务，尽管许多地区的健康负担要大得多；
即使有高质量的数据和成熟的工具，在许多情况下，获取计算化学和生物信息学等跨学科能力仍是一个关键障碍。
扫码查看完整报告内容
延展阅读
AI预测性逆合成模块Reaxys PRT
Reaxys是Elsevier Life Science旗下的基于数据深度提炼与挖掘，且可以整合内部与外部化学相关科学数据的，集信息检索，信息分析，数据科学应用为一体的科研平台。目前Reaxys中的外部资源包括16,300本化学相关期刊，105家专利机构的专利，30万本书的章节，除此之外，还对这些资源中的物质，反应，理化性质，活性数据等科学数据进行提炼。
Reaxys AI逆合成（Reaxys Predict Retrosynthesis，简称Reaxys PRT），是爱思唯尔根据利用Reaxys中的合成线路数据，结合深度神经网络AI算法开发的全新化合物逆合成工具。该模块能高效的帮助合成人员，针对全新化合物设计有效的合成线路，优化现有线路，给予科研人员全新的线路设计思路。
目前，Reaxys PRT已被全球领先的制药企业用于：
新思路拓展：找到制造新化合物的最佳途径
节省时间：减少开发合成路线的时间和精力
降低研发成本：提高合成成功率
知识增强：帮助化学家浏览路线设计的数字助手
爱思唯尔正式发布Scopus AI，助力科研全流程增效提速
2024年1月16日，全球领先的科技出版与信息分析公司爱思唯尔（Elsevier）正式发布Scopus AI。这款生成式人工智能工具将帮助研究人员和科研机构快速、准确地获得文献摘要和研究见解，从而推动学术合作并促进产生广泛的社会影响力。
Scopus AI 以Scopus数据库中涵盖了全球7,000多家出版商旗下的超过27,000种学术期刊的可信内容、累计超过18亿的引用文献，和超过1700万的学者档案为基础，为用户提供简明易读的科研主题摘要。Scopus数据库的内容经过独立的内容遴选与咨询委员会严格审核与筛选，该委员会由代表主要科学学科的全球知名科学家和图书馆员组成。
自2023年8月测试版发布以来，全球数千名科研人员积极参与了Scopus AI的测试工作。从开发过程中科研人员的反馈来看，随着生成式AI技术的快速发展，科研人员亟需可信赖的、被引用的相关性强且高度个性化的学术成果。
END
全部科研推送
全部医学推送