随着人工智能（AI）技术在制药行业的应用日益广泛，从药物研发、生产优化、市场策略制定到药物警戒，AI正逐步塑造医药领域的未来。本文基于药融咨询《2023年中国AI制药企业白皮书》部分精彩内容，旨在探讨AI如何赋能药物生产流程的优化、支持药物市场战略的创新以及在药物警戒领域的应用现状，同时关注国内企业在这些领域的布局与进展。
一、AI赋能药物生产支持
1. 最新技术举例
人工智能为药物生产也提供了许多可能性，包括但不限于优化工艺设计和工艺控制，智能监测和维护，以及趋势监测以推动持续改进等，使用人工智能来支持药品生产，可以与其他先进的生产技术一起部署，以实现预期的效益。人工智能是实施工业4.0模式的助推器，可以为生产商带来一个控制良好、超级连接、数字化的生态系统和医药价值链。
根据 FDA药品审评和研究中心发布的《药品生产中的人工智能》讨论稿，AI用于药物生产可主要分为四个场景，包括工艺设计优化以及工艺放大、高级工艺控制、工艺过程的检测以及缺陷的检查、趋势分析和检测。
目前，AI用于药物生产尚不成熟，但已取得一些阶段性成果。如生物技术公司Pow.bio通过AI+连续发酵平台，朝着优化和自动化发酵的方向发展，使其既具有成本效益又精简。
Teledyne DALSA开发了一种特殊的盲文视觉检测系统，该系统使用带有面扫描摄像头的VICORE智能视觉系统的形状阴影技术，以及Sherlock形状阴影算法，从背景复杂的盲文中获取对比度较高的3D效果图像。然后，Sherlock应用预处理程序优化盲文点的残缺形状，从而使OCR算法能够读取盲文字符，以帮助盲人阅读药品说明书。
在工艺优化设计中，可采用数字孪生技术。工艺数字孪生是物理过程的数字复制，用于更好地理解、分析、预测和优化工艺性能。对于分析以有限的开发数据为特征的制造工艺，数字孪生尤其有用。如：GSK与西门子公司合作[1]，在中试规模验证数字孪生技术并获得成功；奥地利初创公司Novasign开发了基于混合模型的数字孪生系统，运用该系统对大肠杆菌表达超氧化物歧化酶的过程进行优化[2] ，加速发酵过程优化的进程；西门子公司2019年收购PSE公司过程数字化模型软件平台gPROMs，用于布局生物过程数字孪生系统。
在药品制造中，可以使用如神经网络等AI/ML技术，以实时过程数据为输入，来实现APC。这些方法也可以用于开发能够预测一个过程是否在一个控制状态下运行的过程控制，这需要结合实时传感器数据使用AI/ML工具，包括与生产线的智能监控相结合，以提高现有制造线的效率和产量。
对于药品质控，常常采用机器视觉检测技术。在制药生产过程中，对具有难点的产品进行检查是一项非常具有挑战性的工作。如：对于无法完全去除气泡的高粘度注射液，区别这些气泡与颗粒存在困难。在达到平衡的检测水平和误剔率之前，这些情况通常需要长期进行视觉算法开发与优化。“AI图像视觉检测”，其本质是通过基于深度学习的AI算法，对检测物进行图像采集，并进行样本标注、训练，从而达到对检测物进行分类决策的目的，将良品与不良品进行分类处理。
对于趋势监控， AI/ML可以被用来辅助审查偏差报告，这些报告通常包含大量的数据或文本，用于分析制造相关的偏差趋势，聚类问题领域，并优先处理需要主动持续改进的领域。与过程性能（Ppk）和过程能力（Cpk）指标集成的AI/ML方法可以用来主动监控制造操作的趋势和失控事件，并预测触发CAPA（纠正和预防措施）有效性评估的阈值。
2. 国内企业布局
据药融咨询统计，目前国内已将AI技术运用于制药环节企业不多。AI+制药企业主要包括沃时科技、大湾生物、胜普泽泰，三家企业研究领域有所不同，但在药物制造上，均主要用于工艺优化。
沃时科技聚焦于小分子化合物，在AI+逆合成与工艺场景优化上发力，服务客户主要为CRO、CDMO企业，帮助这些公司合成分子并在合成工艺上进行优化。
大湾生物将AI技术主要应用于生物药领域，公司已有3个智能化生物工艺开发平台进入商业化运作阶段，包括Klone4.0™、AlfaStaX与AlfaMedX。通过AI技术与生物技术，大湾生物进行抗体蛋白类药物CDMO工作，通过 AI技术和生物工艺相结合，开发定点整合高表达细胞株。
胜普泽泰致力于多肽药物的研发和生产服务。该司以大数据与AI驱动的Chemical Space新药发现技术在瑞士发展近20年，已合作药企众多，包括ROCHE、LONZA、BRACCO、人福药业、兴齐眼药等。
我国制药行业年产量高，且种类众多，胶囊、片剂等在生产及铝塑封装过程中不可避免会产生缺粒、凹坑、破损、批号不清等缺陷。在制药过程中，除生产工艺需要优化外，对于药品的质检也具有迫切需求。一些通过人工智能技术提供先进生产力的企业，涉足领域较广，也包含生命科学领域。如：镁伽科技、科亿科技等，此类企业多为药企提供产品的缺陷检测。
此外，太仓中科信息技术研究院携手华为推出智瞐系列智能视觉检测产品。该产品基于昇腾AI基础软硬件平台，融合迁移学习、数据增强、弱监督检测等AI模型算法，解决了对泡罩药品跨产品、跨型号、跨类别的通用检测难题，为制药行业打造药品封装缺陷检测的数智化解决方案。
智瞐系列智能视觉检测核心产品包括：
A. 智瞐 ZMAI 视觉检测软件：基于昇思MindSpore AI 框架和MindX深度学习视觉SDK；
B. 智瞐工业AI视觉检测平台：可实现大规模数据的快速训练和迭代，建立全面的缺陷检测模型库；
C. 智瞐药品检测设备及模组：基于昇腾Atlas 300 AI推理卡，独立检测设备ZMX-100可直接对药板的正反面包装缺陷及药品缺陷进行全方位检测；独立视觉检测模组ZMX-320可加装在药品泡罩机上，在高节拍快速检测的同时实现识别精度的有效提升。
二、AI赋能药物市场开拓与商业化
1. 最新技术举例
AI营销是指利用人工智能技术和算法来辅助和改进市场营销活动的过程。它结合了大数据分析、机器学习和自然语言处理等技术，通过对海量数据的处理和分析，提供个性化、精准和智能化的营销解决方案。在AI营销中，人工智能可以帮助企业实现的目标包括：市场分析和预测、目标受众定位、个性化营销和推广、自动化营销、客户关系管理，以及营销决策支持等，这些应用可以帮助药企更好地理解市场和消费者需求，以提供个性化的营销和推广。
此外，AI在药物市场开拓中，一个重要的作用为帮助产品定价，确定价格的方法为利用其可模仿人类专家思维的能力，对产品生产后的定价控制因素进行评估。决定创新和仿制药价格的因素包括：药品研发过程中的支出、相关国家的价格监管制度、独占期的长短、专利到期一年后创新药的市场份额、参照产品的价格以及定价政策等。
目前已有企业将AI应用到药品市场开拓与商业化中，如 Intelligence Node、Veeva Systems、Aktana、 DeepIntent等等，Node推出的In competitor 是一个零售竞争情报平台，可分析竞争对手的定价数据，帮助零售商和品牌商监控竞争对手。
在AI药物市场开拓中，用到的AI技术主要包括：NLP、ML、数据挖掘和大数据分析等。在 ML 中，软件会分析大量统计数据，如产品开发成本、产品市场需求、库存成本、制造成本和竞争对手的产品价格等，然后开发出预测产品价格的算法。
2. 国内企业布局
2023年全球经济不确定性增强，市场承压、竞争加剧，传统医药营销模式下，成本高、效率低、转化差、手段单一所带来的问题更加凸显，这也倒逼企业加速转变营销模式与技术策略，开辟第二增长曲线。而通过人工智能技术可以更准确地了解患者需求，从而确定更适宜的药品营销策略，基于人工智能的分析，也能帮助制药公司缩短市场反馈周期，从而优化药品推广策略等。
在此背景下，国内在AI赋能药物商业化上迎来一定进展，据药融数据统计，目前国内赋能药物市场开拓及商业化企业共六家，。通过对其服务内容和应用场景进行分类，我们发现，企业提供服务内容大致可分为：与KOL的沟通交流、市场准入策略制定、销售预测、竞品对比以及话术合规。
三、AI逐步应用于药物警戒领域
药物警戒(Pharmacovigilance-PV)：药物警戒是与发现、评价、理解和预防不良反应或其他任何可能与药物有关问题的科学研究与活动。
目前，AI已在PV管理中发挥了非常重要的作用。AI，包括ML方法，如自然语言处理和深度学习，可以检测和提取药物不良事件的信息，从而使药物警戒过程自动化，改善对已知和记录的药物不良事件的监测。此外，随着对远程医疗服务需求的增加，在管理急性和慢性疾病方面，AI可以在检测和预防药物不良事件方面发挥作用。以数据智能技术为支撑，健全药品安全监管体系，是完善健康保障的重要一环。
哈佛大学对基于ML的AI的使用进行了范围审查，检索了PubMed、Embase、Web of Science和IEEE Xplore数据库，以识别2000年至2021年9月发表的与ML在药物警戒中的使用相关的文章，结果显示，大多数研究 (53%) 侧重于使用传统统计方法检测安全信号。在使用较新的ML方法的研究中，61%的研究使用了现成的技术并稍作修改。时间分析显示，近年来，深度学习等较新的方法使用越来越多。AI的进步尚未完全渗透到药物警戒领域 (尽管最近的研究表明这可能正在改变)。在整个药物警戒管道中，存在着实施ML方法的机会。
FDA将AI应用于PV以提高IVSRs分析的效率和科学价值时间相对较早，除了每年从制药行业收到的近200万份FAERS报告外，FDA还将公众直接提交给其的数十万份报告处理后传输至FAERS数据库。从对FDA工作进展的描述中可以看出，AI用于PV时，大多数工作都涉及到使用NLP（自然语言处理）从ICSRs叙述中自动提取涉及因果关联性评价的关键性特征，少数工作试图开发可预测的机器学习（ML）算法，试图将ICSRs关键信息要素提取、整合和分析的人类认知过程自动化。
FDA近年来将人工智能应用于药物警戒活动的主要进展见表：
1. 国内企业布局
根据已发布的2022年国家药品不良反应监测年度报告，2022年，全国药品不良反应监测网络收到不良反应报告202.3万份；1999年至2022年，全国药品不良反应监测网络累计收到不良反应报告2085.6万份[1] 。鉴于每年接受的庞大ICSRs（个例安全性报告）数量，如何处理、分析、评价和利用这些庞大而异构的海量数据，如何更好地利用ICSRs为上市后药品监管工作服务，是我国药物警戒（PV）工作的重大挑战之一。 PV系统的两个主要构成部分包括单个案例处理：即个人不良事件的收集、解读和报告，以及信号检测，对AE数据进行持续性的趋势监测以判断是否有未知的安全信息会对风险获益评估结果产生影响。
我国在人工智能用于PV上起步较欧美国家晚，但当前，基于真实世界数据和数据智能技术的药物警戒系统正在重塑我国药品监管格局。
目前国内利用AI技术提供药物警戒服务的企业约七家左右，这些企业大多集中在北京，且类型均为Saas 服务。除洞悉网络外，其他公司除药物警戒外还提供药物研发生命周期的其他服务。而成立于2016年的洞悉网络专注医药安全，采用“全生命全产业链医药安全产业数字化SaaS+安全重度垂直服务”的模式，面向医药行业，提供覆盖临床试验到上市后全生命周期的药物警戒及风险管理服务。
结语：
AI技术在制药行业的深入应用，不仅促进了生产效率和质量的双重提升，还革新了市场开拓策略，提升了药物警戒的科学性和响应速度。国内企业在这些领域的积极探索，不仅展现了AI技术的巨大潜力，也为全球医药行业带来了新的启示。未来，随着技术的不断进步和应用的深化，AI将持续推动制药行业向更加智能、高效、安全的方向发展。
<END>
本文作者可以追加内容哦 !
