BIO Asia Taiwan— AI正夯，數據驅動製藥產業的未來

Author: Sean Liu / Market Research Consultant

新藥的持續開發象徵著製藥產業的活力，雖然新藥開發技術隨著時間持續進步，包含各樣電腦輔助新藥開發等技術導入，但整體製藥產業仍陷入Eroom’s Law的窘境，新藥開發的效率長年趕不上研發經費的投入，近年因電腦運算能力大幅提升所推動的大數據分析與人工智慧（artificial intelligence, AI）新一波崛起，有機會應用在藥物研究與發展諸多環節以提高新藥開發效率，成為眾所期盼的焦點。

在本次BIO Asia Taiwan展會，有眾多單位展示其如何將大數據分析與AI技術落實在產品開發或作為解決方案的一環（圖一），分別介紹如下。

圖一、2019 BioAisa-AI與大數據在製藥產業應用案例

CYTLIMIC

CYTLIMIC可以說是應用AI技術在生技醫療產品開發的先驅者，該公司尚未從NEC分出來以前，在2001年NEC即發展以機器學習為基礎用來預測免疫功效的技術，包含預測抗原胜肽（antigen peptide）的序列與其結合人類白血球抗原（human leukocyte antigen, HLA）親和性的關係。

CYTLIMIC(NEC)在其AI技術的協助下篩選出治療性癌症疫苗CYT001，其包含兩個胜肽抗原（HSP70、GPC30）與佐劑（Poly-ICLC、LAG-3Ig），並已完成1個與正在進行2個臨床一期試驗（YNP01、YCP02、CRESCENT1），適應症範圍主要鎖定肝細胞癌與腸胃道癌症，在初步試驗的病理切片分析顯示，CYT001可以增加毒殺T細胞對腫瘤的浸潤量以及使毒殺T細胞辨認被其胜肽所結合的癌細胞，促使腫瘤從不具免疫反應的（cold tumor）狀態轉變為具免疫反應性（hot tumor）。

AstraZeneca

AstraZeneca則展現出大藥廠積極導入大數據或AI技術來強化新藥開發的多個層面應用。(1)將真實世界數據以propensity score matching的統計方式來為single-arm的臨床試驗尋找可對比的控制組。(2)以PageRank演算法進行病患對臨床醫師推薦的網絡分析，藉此協助進行臨床試驗地點的篩選（site selection）。(3)AstraZeneca與包含英格蘭公共衛生署（Public Health England, PHE）在內三間單位合作，以機器學習的方式模擬英國國家癌症登錄資料（NCRAS）來建立模擬的登錄資料庫，需求單位可在該模擬癌症登錄資料庫進行分析嘗試，而後將最終的資料處理與分析的編碼給予NCRAS的分析師去執行真實登錄數據的分析並將結果釋放予該需求單位發表。

Merck KGaA

Merck KGaA已和AI輔助新藥開發的技術商CYCLICA與IKTOS合作，使用AI技術來加速新藥開發的效率，包含應用在建立藥物動力學（ADMET）模型、定量構效關係（Quantitative Structure-Activity Relationship, QSAR）模型、配位搜尋（Docking）、電腦輔助藥物篩選等，並預測新候選分子（candidate）可能的藥理效應、副作用或毒性。

此外，Merck KGaA針對大腸直腸癌的放射學影像以紋理分析（textural analysis），並結合生物標記蛋白質表現圖譜嘗試建立病患對藥物反應的預測模型。

IQVIA

在本次BioAisa展會，兩大CRO巨擎IQVIA與Syneos Health亦有展現導入大數據與AI技術在其提供的解決方案項目中。IQVIA的部分，包含有(1)整合其過往執行臨床試驗的經驗、試驗計畫主持人之專業領域與參與臨床試驗經驗、臨床試驗地點特性等資料建立起AI模型，以協助進行臨床試驗地點的篩選、控管風險、加快試驗啟動。(2)將執行臨床試驗所收集的數據，增加時間性參數，並以此為基礎建立特定試驗收案族群的臨床治療路徑（treatment pathways），可協助試驗贊助者（sponsor）從中挖掘新的機會或未來試驗之假設。(3)針對病歷這種非結構化資料，投入自然語言處理（NLP），除了可豐富資料量外，亦可藉此建立風險預測模型以協助衡量臨床試驗品質。

Syneos Health

Syneos Health則結合基因體數據、蛋白質體數據、代謝體數據、臨床數據等，以多種非監督式學習、監督式學習的AI技術進行病患的分群，再結合基因註解學（Gene ontology）等科學理論基礎，協助客戶進行病患選擇與分層。

Syneos Health進一步舉列以其方法找到對於臨床試驗新治療方式無反應的病患新分群，雖然是屬於試驗之事後分析（post-hoc analysis）或回溯性研究（retrospective study）應用，但有助於解決部分治療不確定性，仍可作為一部分的臨床佐證或是新一輪臨床試驗設計的假設基礎。

在本次BioAsia，看到多間單位已積極應用大數據與AI技術在其新藥開發諸多環節，雖然尚有諸多挑戰有待克服，例如數據標準不一致、數據的可取得性、數據擁有權與隱私權議題等，但可預期，這種數據驅動（data-driven）模式大量導入在產品開發與決策時，將形塑製藥產業的未來，這些新技術的應用並非只訴求在提升單一新藥產品開發成功率，而是強化藥廠整體產品線（pipeline）競爭力、組合完整度與進入市場的效率。

延伸閱讀：BIO Asia首次規劃創新區子宮內膜異位症檢測成亮點