AI+医药的6大场景落地，药企如何抢占数字化新风口？近年来，随着技术的不断创新，帮助医药行业改变现状，降低成本，实现更大价值。从个性化治疗到预防，技术发展给制药公司的传统商业模式带来了挑战。
在3年多的抗疫“大考”中，由互联网、人工智能等数字化手段加持的医药企业展现出前所未有的力量。可以预见，疫情中数字化的医疗健康服务所体现出的价值，将在未来成为一种必不可少的常态化刚需。数字化将推动流程、跨业务职能的工作更快、更高效，最终为用户带来更好的体验。数字化是实现医药健康行业长远发展愿景的关键推动力。 后疫情时代，药企的数字化转型当以怎样的步伐迈进？中国数字化医疗和全渠道营销峰会DPHM将给出答案。本次峰会参会者大部分是知名药企、器械top公司，参会企业覆盖制药、医疗器械、保健等行业，他们来自数字化、营销、IT、商务、产品等部门总监以上级别的高管。期待各位同仁加入本次峰会，与行业专家一起探讨如何布局数字化营销，实施数字化转型战略，提升销售效率及ROI。 展望未来，“科技+医药”市场发展潜力巨大。原因是领跑者获得了高额回报，虽然给其他竞争对手带来了不小的压力，但也鼓励了更多人加入到市场竞争中来。另一方面，在初创企业的推动下，这些技术的应用非常广泛。同时，监管机构需要改变传统的医疗器械审批方式，为他们配备相关的技术知识和专业人员，以更快地评估和批准这些新兴技术。
提高效率，降低医药研发成本； 优化产品质量，让生产过程更符合规范； 增加与患者的互动，提高回购率； 提高疾病诊断和治疗的水平； 确定患者的需求，降低供需之间的差距； 拓宽产品种类和服务范围。 在新兴技术领域中，人工智能和高级分析正在挑战制药公司的传统商业模式。因此，一些科技公司可能与传统药企不同，会提出新的商业模式，并尽可能让药企接受。制药行业产生的数据量呈指数级增长，因此制药公司的首要任务是利用这些数据来驱动价值。最终目标是简化医药价值链，提高药品生产效率和批准率，降低成本。
这些公司大多选择与人工智能公司结成战略联盟，利用人工智能进行药物研发。由于这些合作伙伴关系是制药公司的核心，一些制药公司也认为他们需要在内部开发相关技术，例如在药物剂量和药物安全方面。 该行业的一些发展趋势包括： 药物研发：大型制药公司选择发展自己的AI技术，或者与AI初创企业合作，来加快药物研发过程，实现个体化用药； 药物剂量和用药安全：人工智能可以根据患者的病情和特点，为每位患者定制相应的药物剂量。人工智能被应用于安全价值链的各个阶段，以提高整体质量和药物依从性； 药物生产和供应链：人工智能正被用于优化整个生产过程中的药物验证以及假药识别； 商业化：人工智能越来越多地被用于患者分类，提高药物疗效，减少不良反应； 监管机构的审批：简化临床药品的审批流程，使之更加快速、透明。 AI+药物研发 药物发现过程通常涉及大量化合物的识别，而人工智能可以通过使用算法检查分子的化学特征以确定它是否可用于制造药物来简化该过程。葛兰素史克GSK、赛诺菲Sanofi、武田制药TakedaPharma和默克Merck等制药公司已与AI初创企业建立了各种合作伙伴关系： GSK与总部位于英国的AI初创公司Exscientia合作，投资4300万美元用于药物开发，以在未公开的治疗领域为10种选定的靶向药物识别小分子。Sanofi和Exscientia签署了一项价值2.83亿美元的战略合作伙伴协议，为糖尿病和其他代谢疾病研发新疗法。 药物再利用是另一个常见用例——老药新用。不同的算法可以识别处于后期开发阶段的现有药物或候选药物的新潜在应用。
将处于后期开发中的药物用于新的治疗领域是许多生物制药公司的首选策略，如Sanofi和人工智能初创企业RecursionPharmaceuticals合作，共同进行药物研发，旨在将Sanofi的临床阶段小分子用于各种遗传疾病的治疗。AstellasPharma与大数据生物信息公司NuMedii合作，利用机器学习技术进行药物的再利用。 开发生物标志物是药物研发的重要阶段，人工智能在这一领域的应用越来越多。流感疫苗全球领导者赛诺菲巴斯德(SanofiPasteur)利用BergHealth的平台和人工智能工具，来识别分子特征、开发潜在的生物标志物，以便评估流感疫苗的免疫反应。 此外，药企越来越关注数字生物标志物，这有利于获取具有临床意义的客观数据，提高成本效益。 AI+用药安全 药物剂量：新加坡国立大学创建了一个名为“CURATE.AI”的人工智能平台。它可以利用患者的临床数据，比如历史记录，来快速识别药物剂量，并在此基础上对肿瘤大小或肿瘤生物标志物水平进行修正。这些数据还可用于根据患者的需要定制不同疗程。 临床安全：AgiosPharmaceuticals利用自然语言处理(NLP)，帮助其系统做出快速全面的决策。该技术还可以通过探索性研究，识别安全信号，用于临床前的药物研发。此外，自然语言处理还可用于研究患者的症状模式，以帮助识别患者是否处于高危情况。
非临床安全：Merck公司利用NLP技术来自动化工作流程，将非结构化数据和结构化数据结合，进行分析，为安全评估团队创建可视化的商业智能仪表盘。这一过程使公司能够识别只有在长期测试中才能识别的异常情况。 药物警戒：GSK的临床安全团队通过研究医学文献，不断确定相关的安全信号。GSK拥有近200种产品组合，它可以利用NLP来提高研究效率和语言处理速度，使搜索过程更加规范，并更快确定药物和不良事件之间的关系。 AI+药物生产和供应链 Veripad利用机器学习技术来识别供应链中的假药。该组织设计了一种化学测试卡，用于快速检测常见药物的成分。将这种测试卡和对应的移动应用程序一起使用，就可以鉴别假药。最后，Veripad利用数据分析技术来汇总每次测试的结果，以便更好地了解假药劣药的流通情况。 针对药物分类，Veripad的第一代应用程序已经可以达到80%的精确度。纽约大学的研究团队也利用机器学习技术，开发了一种新的机制，用于识别同款产品的真假情况。 AI+市场开拓和商业化 一家全球制药企业与人工智能和分析公司Aktana合作，旨在简化他们的多渠道营销(MCM)流程。该企业认为，医生更有可能打开并回复医药公司代表发来的电子邮件，而不是一封自动发出的邮件。基于这一信息，公司决定在Aktana的帮助下简化其患者追踪渠道。 由于这些过程非常复杂且耗时，Aktana帮助制药公司来预合成数据、发送定时电子邮件以及跟踪客户关系管理(CRM)中的交互。在采纳了Aktana的建议后，该公司收到的客户邮件数量增加了23倍，电子邮件参与度提高了两倍。 AI+患者个性化诊疗 肿瘤学一直是制药业的主要研究领域之一，该学科的重点是寻找肿瘤和癌症的最佳治疗方法。为了达到这一目的，临床医生首先要根据特定患者的病因，确定合适的治疗方法。 IBMWatson利用其在数据分析和机器学习方面的先进技术，可以对电子健康记录(EHR)和相关信息中的数据进行分析，以便进一步研究适合单个患者的最佳治疗方案。
此外，人工智能还被用于帮助患者匹配临床试验，这有助于改善癌症临床试验的结果。诺华(Novartis)与IBMWatson展开合作，在晚期乳腺癌领域应用此类解决方案，并计划进一步扩大到更广泛的肿瘤学领域。两家公司旨在通过分析实时患者数据，改善患者的治疗效果。 匈牙利的创业公司Turbine与德国制药巨头拜耳公司（Bayer）合作，将人工智能技术与癌症治疗相结合。Turbine想要通过基因测序创建一个模拟癌细胞，相关软件可以帮助进行数以百万计的模拟，以开发最佳的治疗组合。 通过显著缩短试验周期，这一概念可以帮助制药公司获得高投资回报。此外，在没有明确治疗计划的情况下，Turbine的AI平台可以测试数百万种治疗组合，以找到最合适的治疗方法。 AI+通过远程医疗和移动医疗实现患者连接 伦敦的AI健康应用程序制造商Adahealth推出了一款远程医疗应用程序。该程序可以利用人工智能和自然语言处理(NLP)，根据患者的症状，生成相关的问题和建议。 它的设计灵感来源于，该公司意识到制药和健康行业正在采用以患者为中心的模式。这款应用可以让医生和人工智能助手一起工作，来照顾患者。 此外，该公司还与药店Karepack合作，可以将医生开的处方药送到患者家中。 对于制药公司来说，仅仅认识到这两个转变是不够的——降低价格并提高其疗法的价值，以及从治疗转向预防、诊断和治愈的模式。药企面临的最大挑战在于，如何以一种全面的方式，迅速果断地适应这些变化给商业和运营模式带来的影响。 综合运用这些技术将成为未来趋势，并改变医药价值链的整体前景。无论是与人工智能初创企业合作，还是开发内部技术，制药公司都正在进行数字化转型，并在人工智能技术上进行投资。医药行业数字化转型已由可选项变为必选项。
 联系人：Ruth Low 电话：+8615821637022 邮箱：Ruth.Low@Bhlglobal.net
文章分类：
资讯
|
