100 项与 American Industries, Inc. 相关的临床结果
0 项与 American Industries, Inc. 相关的专利(医药)
近期,2024 JPM 落下帷幕。众所周知,JPM 是全球生物医药健康领域规模最大的医疗投资、产业交流合作大会之一,涵盖了全球整个医疗保健领域。本次大会上,Novartis、Roche、Merck、Sanofi、BMS、AstraZeneca、GSK等众多知名大型制药公司一如既往地出现在大会上,寻找开发新药的合作伙伴,掀起了一系列生物技术并购活动。我们总结了在今年会议期间大型药企“双向奔赴”的MNC交易事件。据药研网不完全统计,仅大会4天期间就产生至少11起交易并购事件。图源药研网团队整理,统计不完全,欢迎补充而与以往不同的是:今年出现了很多中国面孔。据估计,在400多家参加大会的药企中,出现了近30家中国药企的面孔。会议期间,中国deals以另外一种方式引发了很多讨论和焦点。跨国药企的强强合作发生在海外公司之间的可统计到的M&A(兼并收购)中,规模最大的两起要属:涉及37亿美元的波士顿科学收购Axonics,及30亿美元金额的礼来、诺华&AI新药合作。波士顿科学斥巨资拿下Axonics,旨在利用其治疗膀胱和肠道功能障碍的差异化技术,来扩大泌尿产品组合,进入骶神经调节这一快速增长的领域,造福更多患者。Alphabet旗下AI制药公司 Isomorphic Labs宣布与礼来和诺华达成了两项价值 30亿美元的药物发现协议。礼来与之合作,涉及针对多种疾病相关蛋白和途径的治疗方法的发现。诺华与之合作,重点目标是发现针对三个未公开靶点的小分子疗法。同时Isomorphic希望通过和诺华及礼来的合作可以调整AI模型,需要了解其模型需要多少微调才能针对特定的药物靶点。正如诺华生物医学研究总裁 Fiona Marshall所言,这次合作可谓称得上是“天作之合”。Isomorphic首席执行官Demis Hassabis说:“我们仍处于测试该平台预测的早期阶段,AI模型有多可靠?一旦我们认为已经成熟,那么我们就可以真正全力推进内部项目。”不难联想,未来AI将融入Biotech领域,成为其创新道路上的左膀右臂。一大批密集的并购与BD接踵而来Novartis出手收购自免公司Calypso,总额4.25亿美元,扩充了炎症性消化道疾病的管线,获得所谓潜在“best-in-class”抗IL-15抗体疗法CALY-002。默沙东独辟蹊径收购T细胞公司Harpoon Therapeutics,后者是一家开发新型T细胞接合剂(T cell engagers)的临床阶段免疫肿瘤学公司。默沙东将获得Harpoon的主要候选药物HPN328,这是一种靶向δ样配体3(DLL3)的T细胞接合剂,该药物正处于小细胞肺癌(SCLC)和神经内分泌肿瘤的早期至中期测试中。强生公司紧急出手20 亿美元的价格收购了曾经的ADC明星Ambrx。后者是一家临床阶段的生物制药公司,拥有专有的合成生物技术平台,用于设计和开发下一代抗体偶联药物(ADC)。国际巨头葛兰素史克(GSK)以10亿美元预付款及4亿美元的监管里程碑付款收购Aiolos Bio。Aiolos Bio是一家总部位于美国旧金山和英国伦敦的临床阶段私营生物制药公司,致力于开发呼吸系统疾病和免疫系统疾病新药。距离此次被收购成立不足一年。值得一提的是,Aiolos Bio的成立,与国内“医药一哥”恒瑞医药SHR-1905紧密相关,SHR-1905(AIO-001)由江苏恒瑞制药有限公司独家授权给美国One Bio公司(后改名为Aiolos Bio)大中华区以外地区。此次收购使 GSK 能够获得 Aiolos 的 AIO‑001,这是一种潜在的同类最佳长效抗胸腺基质淋巴细胞生成素 (TSLP) 单克隆抗体,准备进入 II 期临床开发,用于治疗成年哮喘患者具有潜在的其他适应症(包括慢性⿐窦炎伴⿐息肉)。恒瑞凭借这波TSLP资产狠狠赚了一笔的同时,侧面证明了恒瑞医药已经完全具备拿出世界级的原创管线的能力,这是其多年来从仿制药向创新药转型的里程碑之一。中国药企deals大放异彩JPM大会前夕,舶望制药与诺华签订两份独家许可和合作协议产生了2024开年以来交易金额最高的一笔licence-out,舶望向诺华授权一项1/2a期心血管管线的海外权利、一项1期心血管管线的全球权利、以及不超过两个其他靶点心血管管线的选择权。这些管线均为siRNA药物。舶望制药将获得1.85亿美元的首付款、总金额不超过41.65亿美元的潜在里程碑付款及分级特权使用费。这也是迄今小核酸领域的最大一笔对外授权交易。舶望2年多就开了27条管线,有多条潜在FIC管线,也有一些是市场规模颇大的Fast follow产品,对应疾病领域很是丰富。此次大会除强生在adc的投资外,百奥赛图与Radiance Biopharma达成双抗ADC协议。这使Radiance有权选择获得一款百奥赛图同类首创全人HER2/TROP2双特异性抗体偶联药物(双抗ADC)的授权。临近大会尾声,药明生物与BioNTech达成一项研究服务协议,药明生物通过其专利技术平台(crdmo中的r一研究服务)为BioNTech开发针对两个未披露靶点抗体,用于研发新一代候选药物。药明生物将获得2000万美元首付款,并有资格获得研究、开发、注册和商业化里程碑付款以及分级销售提成。此次的研究合作,无疑表明药明生物获得新兴BIOpharma的技术认可,有助于扩大在欧美市场的影响力。市场:2024 年前景更加光明在 JPM24 上,尽管旧金山寒冷多雨的天气也无法抑制2024年的生物制药积极的气氛。据STAT媒体报道,投资者和高管普遍持乐观态度,一致认为,人工智能、神经科学和 GLP-1 药物将在 2024 年获得发展势头。生物技术最近的上升趋势似乎是一个持久的转变,这个评估基于2024年排名前25位的医疗保健公司的并购能力为1.37万亿美元。这是十年来的第二高数字。随着2024 JPM落幕,行业气氛在一笔笔的交易并购案中逐渐显现,在前景光明的2024 年生物制药行业,中国药企的创新成果及潜在价值不断被国外大型制药公司所认可,未来势必有潜力开拓更广阔的海外市场,站在世界舞台大放异彩。细胞系产品查询投稿丨商务合作转载丨加交流群往期推荐恒瑞医药生物药管线全梳理中生制药企业梳理石药集团生物药技术平台及管线梳理国内ADC热门靶点竞争格局一览点击下方“药研网”,关注更多精彩内容
// 埃格林的AI科学家和医药法规科学家已实现了很好的工作融合。其研发管线中的EG-301已在美国获批进入2期临床,埃格林自有的AI平台将这款候选药从临床前推进到2期临床仅用时不到20个月。未来,埃格林将坚持走小而美的高科技路线,并与跨国药企合作,寻求转让自研候选药物之路。初见前FDA资深审评员杜涛博士,正值AI在中国生物医药领域风起于青萍之末之际。离开FDA之后,杜涛先后担任过多家美国生物科技公司、金融投资公司及国内创新药公司的技术顾问,并连续多次创业,目前是深圳埃格林医药创始人。他形容“AI是一把枪,创新药是猎物,要用AI这把枪实现高效的药物开发,获得更多猎物”,使我对AI制药有了初步的了解。埃格林医药的三位联合创始人都是FDA前资深审评官员,拥有20多年的医药行业经验。然而,作为传统经验受益者的他们,却拥抱了AI——埃格林从2019年9月创立以来就将AI与临床试验相结合。成立3年来,埃格林开发了10条管线,包括眼科、心血管和自身免疫性疾病药物,其中5个候选药已获得了FDA的IND,包括2个1期临床、2个2期临床和1个3期临床。埃格林所有管线均以AI作为辅助工具,包括在真实世界研究中挖掘和分析用药人群,精准细分出药物的适应症。AI何以融入临床试验?今年5月,FDA发表了一篇名为Using Artificial Intelligence and Machine Learning in the Development of Drug and Biological Products的文章,当中用了大量篇幅来描述AI在临床研究的应用。杜涛说,过去,很多试验设计是理论假设优先,再根据新药的早期研究结果设计试验方案,然后直接用于临床试验。然而,以假设和理论为基础设计的临床试验具有一定盲目性。而当AI介入时,临床试验设计发生了巨大转变,通对大数据的分析和机器学习,以此为基础设计出来的试验方案在适应症选取上,具有较强的针对性。在埃格林的管线中,也应用了AI技术来选取适应症,并精准设计了临床研究入组标准。如,治疗妇女妊娠期先兆子痫(preeclampsia)的EG-101。先兆子痫是妊娠期特有的一种多系统进展性疾病,病情可呈持续性进展,会伴随不同脏器损伤发生多种病变,严重影响母婴健康。对于这种疾病,需要根据不同脏器损伤引起的病变开发药物。因而,需要掌握的疾病信息量巨大。而现有的各种研究无法精准定义这种孕期高血压伴随的所有症状,因此临床试验设计十分困难。通过AI技术,埃格林的研发人员对上万个真实世界数据加以分析和挖掘,对孕期高血压之外相关的肝肾损伤等6临床种症状进行了清晰的定义,精准判断入组患者的标准,从而提高患者招募的质量、减少所需样本量。在EG-101适应症的选择上,埃格林的研发人员除了关注到孕期高血压,还对肾相关功能的改善进行了重点开发。在解决先兆子痫疾病的同时,并不会带来其他相关功能的损伤,这对孕期的母亲是十分重要的临床需求。回顾整个过程,杜涛说,这些细微的差别在过往临床研究资料中无法甄别和设计,但通过 AI技术,已实现了临床试验的第一步,EG-101也在今年完成FDA的IND申请。杜涛而另一款用于治疗干性黄斑病变的药物EG-301,研发人员也应用了多组学数据,对该疾病的发病周期进行精准挖掘。AI帮助研发人员捕捉到更容易和更精准治疗该疾病的方法,并找到假性玻璃疣这一重要而精准的生物标志物,从而大大加速了该药的开发效率和成功率。EG-301已在美国进入2期临床试验。埃格林自有的AI平台将这款候选药从临床前推进到2期临床仅用时不到20个月。“这在以往不可能实现。我们之所以能做到,一是运用AI技术支持研发,二是研究结果能说服FDA认可我们的开发思路。”杜涛说。传统研发与AI融合的样本以传统药物研发见长的杜涛,为何创立一家AI为主题的生物技术公司?在2020年春末,埃格林刚创立不久,一则美国某大型药企正在大规模招聘AI人员的新闻引起了杜涛的关注。他与这家药企高管私下接触之后惊讶地发现,该公司当时已有上百人的AI团队。之后,杜涛还发现,美国东海岸多家大型药企的“AI团队已达上百人规模,并不断扩充 ”,正使用AI技术进行从药物发现到临床研究端到端的医药全流程研发。这一发现,促成了埃格林确立了利用AI技术进行新药研发的公司定位。“AI本身不能制药,但能帮助科学家们更快、更省、更高效的开发新药,提高成功率,”杜涛认为,“这才是AI进入制药领域的意义。”不过,对传统药物研发人员来说,如何使用AI,其实最早并无头绪。埃格林曾希望借助AI类的CRO,但却发现当时这一类CRO在AI临床方面并不太成熟。为此,他决定招聘AI专家,自建团队。经过3年多的努力,埃格林已拥有一个初具规模的AI团队。该团队与公司的医学和法规专家联合,利用AI技术进行新药研发,特别是辅助临床试验。如今,埃格林已成为一家运用AI技术,既有内部管线、又对外提供临床服务的“双业态”公司。所谓“双业态”,是由一个单纯、传统的由医药和法规专家构成的经典的创新药企,形成今天既有医药和法规专家,又有AI团队不寻常的创新药企。在杜涛看来,这是水到渠成的事情。不过,在应用AI技术的过程中却充满挑战。包括传统医学研发人员和IT背景的人员“不兼容”。那么,埃格林又是如何让他们高度融合并高效运转?杜涛坦言,传统医药研发中确实没有AI人员的地位,基本是医药科学和和法规科学人员的天下。但到了今天,必须欢迎AI科学家们进入医药工业。“在团队磨合过程中,我们以解决问题为导向,让每个人都能参与。”杜涛说,当然,有时候会出现互相不匹配的情况。如AI人员借助智能算法,通常能较快给出建议,而药物科学家解决问题的过程相对较慢,但通过一段时间磨合与相互了解,团队的综合研发能力和效率得到显著提升。在此过程中,埃格林的AI团队逐渐成长,研发人员也越来越接受 AI技术员提出的建议,并主动把问题细节告诉AI人员,希望获得他们帮助。“虽然第一个项目用了将近两年时间,效率并不高,但这是我们对AI应用摸索过程中的必经阶段。”杜涛说。在埃格林的管理层中有一个共识,那就是AI在医药工业必然会有一席之地,也必须让AI技术有用武之地,所有团队成员都要以开放和尊重的心态来拥抱新科技,而AI科学家也抱着一种对医药技术愿意学习,愿意帮助大家解决问题的心态来融入团队。到今天为止,公司AI科学家和医药和法规科学家已达到很好的融合。放眼中国制药工业,能在进入临床之后运用AI技术深耕的公司非常稀有,而埃格林针对真实世界数据已开发出独特的AI技术,能在临床研究中把复杂的数据快速整合,实现AI技术对临床开发的支持。未来,埃格林将坚持走小而美的高科技路线,并与跨国药企合作,寻求转让自研候选药物之路。“埃格林是一个复合型团队,这种整合优势是国内其他公司所不具备的。第二个优势在于我们已有在临床试验过程中形成自有算法和获取数据的能力。”杜涛说。在研发过程中,很多问题都有AI科学家参与,AI科学家也经常围绕医药开发方面的相关问题提出建议,“我相信这种结合会越来越自然。”(本文特别感谢刁培哲老师的帮助)编辑 | 姚嘉yao.jia@PharmaDJ.com 总第2002期访问研发客网站可浏览更多文章www.PharmaDJ.com
前言“10年时间,10亿美元,10%成功率。”常被用来形容新药上市的难度和窘迫现状。然而根据美国塔夫茨大学药物开发研究中心(CSDD)发布的数据,截至2014年,研发一款新药至上市的成本约为26亿美元,与2003年相比,增长了145%。不仅如此,创新药研发遵循反摩尔定律,随着低垂的果实被摘完,创新药的研发周期会越来越长、难度也会越拉越大。而AI制药能够通过全产业链赋能,优化创新药的发现时间、增加药物研发的成功率。AI制药即指利用人工智能进行药物研发,含:数字生物学、计算机药物发现、实验室自动化、AI辅助临床试验等。AI技术在制药领域的应用价值主要体现在降本增效,例如可以缩短试验周期、节省成本、促进新事物发现、提升试验成功概率等。特别是,AI技术可以有效地用于不同环节,如药物设计、化学合成、药物筛选、多药理学和药物再利用等。据《药理科学趋势》杂志于2019年发表的来自IBM Watson Health 人工智能团队的综述文章《临床试验设计中的人工智能》指出,AI可以加快药物临床试验的成功,从而助力破解“反摩尔定律”难题。因此,AI制药概念备受热捧。近日,MNC巨头陆续公布半年报,其中不约而同地强调了AI工具在他们的药物开发、制造和商业化方面的重要作用。那么这些巨头药企们在AI制药领域有着怎样的布局?近期他们又有哪些孵化/投资AI制药的动作?下面我们根据行业媒体Endpoints News的报告,来一探究竟。 01 武田制药(Takeda)在近期的投资者电话会议上,武田制药(Takeda)表示,公司利用AI工具在生产制造方面,通过图像识别提高了生产线的效率;在临床研究方面,人工智能优化了测试临床试验方案和加速试验的进程;在商业化方面,人工智能优化了和医生的数字互动。随着武田全球战略性调整,这家拥有240多年历史的“百年老店”正在将科技公司的特质与自身制药企业的基因相融合。“挖掘数据与技术的潜力”已成为武田关键战略之一。自2017年来,武田制药至少与4家AI药物发现和临床前公司展开了合作。2017年6月,Numerate宣布与武田达成一项多年期协议。多个合作项目将依靠Numerate的AI平台,针对武田的核心治疗领域进行活性化合物发现、先导化合物设计和优化等;2019年1月,AI药物研发公司Recursion Pharmaceuticals宣布与武田扩大合作,以评估和确定罕见病的新型临床前候选药物。2021年,作为武田数字化创新生态的一部分,武田正式启动创新孵化器TakedaSpark,旨在探索高附价值的创新医疗方案和规模化的落地场景。2023年2月,武田斥资40亿美元,从一家波士顿创业公司手里买下了一款银屑病药物,其背后的化合物配方正是该公司花费6个月时间利用AI选择出来的。今年年内,该款药物将进入Ⅲ期临床试验,有望成为AI发现药物的最新范例。投行杰富瑞曾预期,这款药物如果成功获批上市,将给武田带来37亿美元的年收入。今年3月,武田与初创公司 Arzeda 合作,这是一家蛋白质设计初创公司。武田将利用Arzeda 的蛋白质智能设计技术,来加速优化可纳入治疗产品的蛋白质。该合作旨在帮助改进武田研究管线中的治疗性蛋白质。总之,AI制药、数字化转型之于武田的意义,不亚于这家公司曾经历的从传统中草药向化学制药、再到生物制药的业务变革,以及从本土化迈向全球化演进等关键转折。 02 阿斯利康(AstraZeneca) 在投资者电话会议上,阿斯利康表示,其使用AI优化位于瑞典的全球最大生产基地之一的生产计划,使调度时间缩短90%。在AI制药领域,阿斯利康可谓是领头羊般的存在。2017年,阿斯利康与Berg Health、Roivant等新一代AI和数据驱动型的公司合作,完成了在AI制药领域的试水。2019年,阿斯利康开启了新的战略方向:包括由数字、数据和人工智能驱动的未来医疗战略,并在内部进行了一次根本性的组织架构调整,数据科学和AI部门应运而生。从这一年开始,阿斯利康频繁与AI制药公司合作,包括和BenevolentAI、Gatehouse Bio等公司合作开发新药和新靶点;利用AI制药先驱Schrödinger的软件来提高其自动化化合物合成的效率等。公开数据显示,在2016-2020年间,阿斯利康产品开发的成功率达到31%,高于行业平均水平。2021年的投资者大会上,阿斯利康的生物制药研发执行副总裁Mene Pangalos指出,公司50%的小分子项目正在应用AI方法,同时将效率提升70%。2023年6月,阿斯利康与卡迪夫大学(Cardiff University)合作,进行了一项新研究,即利用AI创造出能有效运输药物,并且可以精确瞄准和治疗患病细胞的微观粒子。该研究使用四种测定法来测量siRNA和小分子治疗对纳米颗粒摄取和运输机制的影响,从而确定用于改善递送的具体机制。研究使用先进的图像分析与机器学习相结合来关联治疗,从而增加 LNP 的功能传递与机械分析中的特定表型特征。该研究表明,机器学习和AI可以成为构建更有效的纳米疗法设计过程中不可或缺的一部分。除AI制药外,阿斯利康还在积极布局AI诊断和疾病管理,作为其核心药物的生态圈,提升对精准医学、慢病管理等领域的能力。 03 罗氏(Roche) 同样在投资者电话会议上,罗氏表示其开发了内部的语言模型,类似ChatGPT。在AI制药方面,罗氏旗下子公司基因泰克(Genentech)与AI公司Genesis Therapeutics在2020年10月达成多目标合作协议。罗氏利用Genesis Therapeutics的图形机器学习和药物发现专业知识,为多个疾病领域的治疗目标确定创新的候选药物。同年,罗氏与Dyno Therapeutics达成合作许可协议,应用Dyno的CapsidMa平台为罗氏的产品组合开发下一代腺相关病毒载体,用于中枢神经系统疾病的基因治疗和肝脏导向治疗。2021年12月,基因泰克与数字驱动药物发现公司Recursion合作,通过Recursion的操作系统(OS)利用技术赋能的药物发现,在神经科学的关键领域以及肿瘤适应症中更快速地确定新的靶点和先进药物。今年,罗氏在AI制药领域还未传出合作交易的声音。 04 葛兰素史克(GSK) 据Endpoints News报道,葛兰素史克(GSK)正在使用新技术来预测患者反应,包括协助入组和识别生物标志物等。例如,GSK将其乙肝药物bepirovirsen的II期数据与AI和机器学习相结合,分析了五个患者群体,来更好地了解该疾病在不同人群中的表现,以及患者对药物的反应。GSK在AI制药的布局始于2017年。这一年,GSK宣布与AI制药公司Exscientia达成合作,Exscientia将为其在多达10个疾病相关靶点上,发现新型选择性小分子。同年,GSK与英矽智能(Insilico Medicine)合作,以发现新的生物靶点和分子。2018年,GSK宣布与Cloud Pharmaceuticals合作,利用Cloud专有的AI驱动工艺为GSK指定靶点设计新型小分子药剂。 2020年,GSK与英伟达、阿斯利康和英国国家医疗服务局建立新合作伙伴关系,计划建造英国最强大的超级计算机,并将其用于医疗保健领域的人工智能研究。2022年4月,GSK和PathAI宣布合作,以推进肿瘤学和非酒精性脂肪性肝炎(NASH)的临床试验和药物开发。PathAI正在开发AI驱动的数字病理学工具来分析组织样本,寻找特定的生物标志物。2022年10月,GSK宣布扩大与Tempus在精准医学领域的合作,GSK使用Tempus的AI平台和机器学习(ML)能力,来与Tempus合作改进临床试验设计、加快临床注册并确定药物靶点。这将有助于GSK提高药物研发成功率,并更快地为患者提供更个性化的治疗方案。2023年2月,GSK与美国生物统计学CRO公司Cytel达成合作,双方将算法与云计算能力相结合,临床开发团队可以使用AI软件快速生成数千个试验模型,用于针对大量临床试验的不确定性进行压力测试,包括治疗效果和入组率,并通过可视化的方式提供量化科学和商业权衡的能力。 05 辉瑞(Pfizer)早在2016年,辉瑞就与全球人工智能一流公司IBM达成合作,使用Watson的机器学习等技术进行新药物靶点识别、组合疗法的研究和患者的选择策略。2018年,辉瑞任命了一位首席数字官——Lidia Fonseca,负责制定和实施“加速和提高公司数字能力的战略”。2020年,辉瑞与初创公司Saama Technologies达成协议,运用AI帮助辉瑞更好地发掘临床实验数据,加速临床试验进程并将药物快速推向市场。2022年1月,辉瑞与数字疗法公司Alex Therapeutics达成合作,将联手为患者提供基于证据、经过临床验证和个性化的数字治疗。2022年6月,辉瑞和真实世界数据公司Truveta合作,后者能够实时获取超过5000万患者的完整电子病历数据,从而帮助辉瑞实时发现、监控和评估潜在安全性信号。2022年12月,辉瑞开始建立机器学习研究中心(WRDM Machine Learning Research Hub),大规模招聘计算人才,包括聘请各个项目的负责人,希望引领生物制药行业进入下一波创新浪潮。辉瑞还与Adapsyn、晶泰科技、Atomwise、CytoReason等AI制药公司达成合作协议,涵盖靶点发现、小分子药物发现、免疫疾病模型、抗体药物研发等多个环节。今年上半年,辉瑞分别与以色列理工学院、AI和精准医疗公司Tempus、张江孵化器孵化企业智化科技以及谷歌云等开展合作,进一步探索AI在制药领域的运用。表注:2023上半年辉瑞在AI药物研发相关的合作(根据公开资料整理)作为一家百年老店,辉瑞对数字化转型展现出了极大的热情,在AI制药、临床试验、大数据、患者服务与投融资方面,都进行了深入的布局。 06 赛诺菲(Sanofi)赛诺菲曾经宣布全公司数字化转型迈出下一步,“All in”人工智能和数据科学,为患者加速取得突破性成就,代表了赛诺菲全力押注AI的决心。2021-2022两年时间,赛诺菲深度绑定了9家专长不一的AI药企。2021年11月,赛诺菲向Owkin独家投资1.8亿美元,同时宣布了一项价值9000万美元、研究四种癌症的新疗法合作。该公司将机器学习和生物学相结合,建立AI疾病模型,以开发生物标志物并确定新的药物靶点。2022年1月,赛诺菲与Exscientia共同开发至多15款肿瘤或免疫相关的小分子新药,赛诺菲支付1亿美元预付款、52亿美元里程碑金额。2022年3月,赛诺菲与天演药业合作,利用后者的安全抗体SAFEbody技术,开发四种掩蔽单克隆与双特异性潜在抗体。此后,还与英矽智能合作,进行不超过6个创新靶点的候选药物研发。赛诺菲还推出了大规模AI平台plai,这是赛诺菲与人工智能平台公司Aily Labs共同开发的AI应用程序,可提供实时、反应性的数据交互,是一个集成了公司内部数据的AI大脑,从研发、临床到制造都能够为公司提供分析决策。不过到了2023年,赛诺菲在AI药物研发的布局速度明显慢了下来。今年截至6月份,仅披露1起赛诺菲布局AI的事件,即今年1月,赛诺菲与 CytoReason合作,使用CytoReason的 AI 平台,帮助其在炎症性肠病 (IBD) 领域寻找新靶点。目前,赛诺菲在以AI为驱动力的小分子优化、抗体研发、临床试验设计及分析、mRNA疫苗设计等各个领域都有布局和深度合作。 07 诺华(Novartis)诺华一直以创新药、并购闻名于世,并取得了巨大的商业成功。同时应该看到的是,数字创新也是诺华探索的重要方向。2017年6月,诺华与IBM Watson Health达成了合作,用人工智能技术来改善乳腺癌治疗方案。稍早之前的几个月,诺华与Cota Healthcare也进行了类似的合作。2019年,诺华与微软合作,建立AI创新实验室,作为其AI和数据科学战略的重要一环。该实验室旨在增强诺华人工智能从研究到商业化的能力。其核心是创新的AI模型和应用程序,从生成化学、图像分割和分析开始,解决生命科学领域一些最困难的计算挑战。近两年来,诺华在AI领域的布局鲜见报道。除了以上提到的药企外,百时美施贵宝、默沙东、拜耳、强生、礼来、安斯泰来等制药巨擘均在AI制药领域有所布局。他们或以投资/收购的方式与AI制药公司合作,或以孵化器赋能AI制药初创企业的方式进行加入。这些巨头们不仅仅满足于AI在药物发现阶段的运用,还将其应用到其他更多的环节。 08 AI制药面临的难题虽然AI技术在生物制药领域的应用取得了很大的进步也展现出很多潜力,但依然面临着很多挑战。首先大部分AI制药企业缺乏大体量的优质药物研发数据用来训练以及优化算法模型。药物研发数据视为药企的生命河,药企不会轻易对外开放,这就导致目前公共数据库内的数据并不能很好地实现建模,高质量的数据很少且难获取。其次目前AI技术在伦理和监管方面缺乏基准和共识,在AI技术产生的结果专利及监管等方面,仍然需要完善的监管规定。另外,受宏观经济下行以及AI在制药领域尚未取得成果的影响,与往年相比,MNC们目前在AI领域的布局更加谨慎。不过,一项新技术的落地总需要一个过程,尤其是当一个新的工具下沉到一个产业中去时,它需要AI技术专家和药物产业专家双方去全力融合。AI的出现正在推动当前世界新药的研发方式由传统的“专家+试验”的方式,向“AI+自动化实验”,再加专家的数据驱动方式转变,以提高创新药的研发效率和成功率。药企要做的就是给AI更多的机会和耐心,可以预见,未来数年如果AI技术迭代取得突破,对于创新药从终极产品到产业链到研发思路和效率的影响将是巨大的。胜利将属于那些以合作精神拥抱AI技术,并做时间的朋友的那批人。参考资料:1.https://endpts.com/astrazeneca-roche-takeda-gsk-tout-ai-tools-during-half-year-earnings-reports/.2.https://phys.org/news/2023-06-ai-generated-nanoparticles-capable-modern-medicines.html.3.https://www.dynotx.com/news/press-releases/.4.Recursion loops in Roche, Genentech for multibillion-dollar AI drug discovery deal.5.https://www.sanofi.com/en/media-room/press-releases/2023/2023-06-13-12-00-00-2687072.封面图来源:123rf精彩推荐药研之“星”,等你来挑战FDA亲自帮忙修改临床终点,结果还是没打过安慰剂...药时代路演第三期 | 抗体领域龙头企业优质系列双抗对外授权7月“裁报季”,15家药企宣布裁员!点击这里,与药时代一起快乐学习!
100 项与 American Industries, Inc. 相关的药物交易
100 项与 American Industries, Inc. 相关的转化医学