ИИ на рынке разработки лекарств — глобальный размер отрасли, доля, тенденции, возможности и прогноз на 2018–2028 гг., сегментировано по типу компонента (программное обеспечение и услуги), по типу препарата (малые и большие молекулы), по типу применения (доклинические испытания, оптимизация и повторное использование препаратов, идентификация целей, скрининг кандидатов и другие), по терапевтической

Обзор рынка

Глобальный ИИ на рынке разработки лекарств оценивается в USD

Ключевые драйверы рынка

Сокращение абсолютного времени, затрачиваемого на процесс исследования лекарств

Растущее желание сократить общее время, необходимое для процесса разработки лекарств, значительно увеличит спрос на искусственный интеллект (ИИ) в фармацевтической отрасли, тем самым ускорив рост рынка. Традиционным моделям животных обычно требуется от трех до пяти лет для идентификации и оптимизации соединений до оценки людьми, тогда как стартапы на основе ИИ потенциально могут открывать и разрабатывать новые лекарства в течение нескольких дней или месяцев. Кроме того, увеличение бюджета здравоохранения и достижения в инфраструктуре здравоохранения послужат значительными драйверами расширения рынка. Более широкое внедрение искусственного интеллекта (ИИ) для эффективного исследования активности лекарств будет стимулировать спрос на искусственный интеллект (ИИ) в отрасли разработки лекарств. Традиционные процессы разработки лекарств характеризуются своей трудоемкостью, высокими затратами и подверженностью сбоям. Напротив, подходы на основе ИИ предоставляют возможность повысить эффективность и сократить расходы за счет оптимизации критических этапов разработки лекарств, включая скрининг соединений, оптимизацию лидов и разработку клинических испытаний. Использование алгоритмов ИИ позволяет проводить быстрый анализ обширных библиотек соединений, эффективную приоритезацию кандидатов и точные прогнозы свойств, тем самым способствуя ускоренной и эффективной разработке лекарств.

Крупные технологические и фармацевтические компании инвестируют вместе

Чтобы облегчить использование алгоритмов ИИ Microsoft в обширных наборах данных, используемых в фармацевтической промышленности, Novartis и компьютерная компания заключили стратегическое соглашение сроком на несколько лет, вступившее в силу в 2019 году. Обе организации выразили намерение использовать анализ изображений и генеративные методы для продвижения персонализированной медицины и улучшения клеточной и генной терапии. В апреле Nvidia, известный производитель графических процессоров и компания, активно продвигающая возможности ИИ, объединилась с Schrödinger, чтобы ускорить и улучшить прогностические возможности программного обеспечения в молекулярном прогнозировании. Эти факторы в совокупности оказывают существенное влияние на рынок ИИ на рынке обнаружения лекарств. Exscientia, среди многочисленных предприятий, созданных за последнее десятилетие, сосредоточенных на методологиях на основе ИИ для обнаружения и разработки лекарств, недавно привлекла значительные инвестиции. Несколько из этих компаний разрабатывают инструменты для ускорения идентификации потенциальных кандидатов на низкомолекулярные препараты. Например, Recursion Pharmaceuticals привлекла 436 миллионов долларов в ходе своего первичного публичного размещения акций, сгенерировав огромные объемы индивидуальных данных о поведении клеток с целью использования ИИ для выявления биологических идей, которые могут помочь в разработке новых лекарств. Кроме того, такие ИТ-компании, как IBM, Microsoft и Google, активно инвестируют и участвуют в финансовом сотрудничестве с фармацевтическими компаниями, чтобы поддержать продвижение ИИ на рынке разработки лекарств.

Рост заболеваемости хроническими заболеваниями

Распространенность хронических заболеваний, таких как диабет, хроническая обструктивная болезнь легких (ХОБЛ), ишемическая болезнь сердца, артрит, астма, гепатит и рак, значительно возросла в основных регионах мира. Это можно объяснить ростом численности гериатрического населения (по прогнозам, к 2050 году оно превысит 20% населения мира), изменением образа жизни и изменениями в питании в результате быстрой урбанизации. По данным Международной федерации диабета, в 2021 году диабет затронул ошеломляющие 537 миллионов человек во всем мире. Кроме того, ожидается, что к 2030 году число новых случаев рака в год достигнет 643 миллионов. Рак легких является основной причиной смертности от рака в Азиатско-Тихоокеанском регионе, причем на Китай приходится более 50% всех случаев. Рак шейки матки во многом зависит от изменений образа жизни и социально-культурных факторов. Известные страны, затронутые раком груди в Азиатско-Тихоокеанском регионе, включают Индию, Таиланд и Китай.

Технологический прогресс

Достижения в технологиях ИИ, таких как машинное обучение, глубокое обучение и обработка естественного языка, значительно расширили возможности ИИ в анализе и интерпретации сложных биологических данных. Эти достижения облегчают интеграцию различных источников данных, включая геномику, протеомику и клинические данные, что приводит к более комплексному пониманию и ускоренному принятию решений при разработке лекарств. Экспоненциальный рост биологических данных, охватывающих геномные последовательности, структуры белков и взаимодействия лекарств с мишенями, представляет множество возможностей для анализа и моделирования на основе ИИ. Доступность крупномасштабных наборов данных позволяет алгоритмам ИИ распознавать закономерности, прогнозировать свойства соединений и генерировать инновационные гипотезы, тем самым обеспечивая принятие обоснованных и основанных на данных решений при открытии лекарств.

Загрузить бесплатный пример отчета

Основные проблемы рынка

Качество и доступность данных

ИИ в значительной степени полагается на высококачественные, разнообразные и всеобъемлющие данные для обучения и разработки моделей. Однако обеспечение доступности надежных и тщательно отобранных наборов данных может быть сложной задачей, особенно в области открытия лекарств, где конфиденциальность данных, интеллектуальная собственность и нормативные соображения являются значимыми факторами. Получение доступа к большим и репрезентативным наборам данных, которые охватывают различные группы пациентов и типы заболеваний, может стать препятствием для усилий по открытию лекарств с помощью ИИ. Алгоритмы ИИ, особенно модели глубокого обучения, часто функционируют как «черные ящики», что затрудняет интерпретацию обоснований их прогнозов или рекомендаций. В открытии лекарств, где прозрачное и объяснимое принятие решений имеет решающее значение, отсутствие интерпретируемости может вызывать обеспокоенность у регулирующих органов, врачей и пациентов. Решение проблемы интерпретируемости в моделях ИИ имеет жизненно важное значение для укрепления доверия и принятия в этой области. Проверка моделей на основе ИИ и обеспечение соответствия нормативным стандартам представляют собой проблемы в отрасли разработки лекарств. Регуляторы обычно требуют высокого уровня доказательств и проверки для обеспечения безопасности и эффективности новых лекарств. Модели ИИ должны соответствовать строгим стандартам и демонстрировать надежную работу на различных наборах данных, чтобы получить одобрение регулирующих органов. Разработка нормативной базы, которая адекватно учитывает уникальные аспекты ИИ в разработке лекарств, имеет важное значение для содействия его более широкому внедрению.

Технические проблемы

Искусственный интеллект и машинное обучение достигли значительных успехов во многих аспектах. Однако качество наборов данных остается существенным препятствием для использования методов ИИ для разработки лекарств. Наличие многочисленных сложных наборов данных подчеркивает важность сотрудничества в продвижении использования ИИ в разработке лекарств. Решение сложных вопросов, связанных с владением данными и конфиденциальностью, имеет решающее значение. Несмотря на отсутствие сильных первоначальных лидеров в этой области, продолжаются усилия по ретроспективной проверке и оптимизации текущих технологий.

Основные тенденции рынка

Расширение венчурных НИОКР

Расширение научно-исследовательских и опытно-конструкторских работ в сочетании с растущим использованием облачных сервисов и приложений представляет благоприятные перспективы для роста искусственного интеллекта (ИИ) на рынке разработки лекарств. Растущий спрос со стороны развивающихся стран и развитие биотехнологических отраслей еще больше ускорят темпы развития ИИ на рынке разработки лекарств. Пандемия COVID-19 значительно подтолкнула использование искусственного интеллекта в области разработки лекарств, о чем свидетельствует его широкое применение при идентификации и скрининге существующих препаратов для лечения COVID-19. ИИ доказал свою эффективность в идентификации активных веществ для профилактики различных заболеваний, таких как SARS-CoV, ВИЧ, SARS-CoV-2, вирус гриппа и другие. Во время пандемии экономики во всем мире полагались на открытие лекарств на основе ИИ вместо традиционных процессов открытия вакцин, которые требуют много времени и затрат, что способствовало росту ИИ на рынке открытия лекарств.

Персонализированная медицина и прецизионная медицина

ИИ может произвести революцию в персонализированной медицине за счет интеграции данных пациентов, включая генетическую информацию, клинические параметры, факторы образа жизни. Анализируя эти данные, алгоритмы ИИ могут идентифицировать подгруппы пациентов, прогнозировать индивидуальные реакции на терапию и оптимизировать стратегии лечения. Возможность адаптировать лечение к отдельным пациентам на основе их уникальных характеристик позволяет применять прецизионные подходы в здравоохранении, которые улучшают результаты лечения, минимизируют побочные эффекты и оптимизируют уход за пациентами. Этот преобразующий вариант использования может произвести революцию в диагностике, мониторинге и лечении заболеваний, что приведет к более эффективным и персонализированным терапевтическим вмешательствам. Определение и проверка подходящих лекарственных мишеней являются критически важными этапами в процессе открытия лекарств. Благодаря анализу сложных биологических данных, таких как геномика, протеомика и клинические данные, алгоритмы ИИ могут идентифицировать потенциальные мишени и прояснять их биологические механизмы. Интегрируя разнообразные источники данных и используя методы машинного обучения, ИИ может обнаруживать новые лекарственные цели, проверять их релевантность конкретным заболеваниям и прогнозировать вероятность успеха в разработке лекарств. Этот вариант использования позволяет исследователям сосредоточить свои усилия на целях с более высокой вероятностью терапевтического успеха.

Сегментарные выводы

Сведения о типах компонентов

ИИ на рынке обнаружения лекарств подразделяется на программное обеспечение и услуги на основе типа компонента. С точки зрения доли рынка ожидается, что сегмент услуг будет доминировать на мировом рынке услуг ИИ на рынке обнаружения лекарств в 2022 году и покажет самый высокий среднегодовой темп роста в период с 2022 по 2028 год. Рост этого сегмента рынка в первую очередь обусловлен преимуществами, связанными с услугами ИИ, и высоким спросом на услуги ИИ среди конечных пользователей. Более того, сегмент программного обеспечения также играет значительную роль в области ИИ на рынке обнаружения лекарств. Например, несколько новых компаний сосредоточены на разработке инновационных решений глубокого обучения и генеративных моделей. Эти достижения позволяют использовать существующие данные для проектирования молекул, которые можно оптимизировать in silico, отвечая всем критериям успеха проектов по открытию малых молекул. Например, Makya — это удобная в использовании SaaS-платформа для поиска новых лекарств на основе ИИ с особым акцентом на многопараметрическую оптимизацию для проектов на основе лигандов и структур.

Аналитика терапевтической области

С точки зрения терапевтической области ожидается, что сегмент онкологии будет испытывать самые высокие среднегодовые темпы роста (CAGR) в течение прогнозируемого периода. Это можно объяснить возросшим внедрением ИИ для поиска лекарств для лечения различных форм рака, значительным количеством перспективных лекарств в онкологическом конвейере, растущим использованием ИИ для поиска и разработки онкологических препаратов и растущим числом совместных проектов между крупными фармацевтическими компаниями и поставщиками ИИ. Эти факторы в первую очередь стимулируют рост этого сегмента.

Загрузить бесплатный пример отчета

Региональные данные

Северная Америка готова доминировать на рынке, в первую очередь из-за высокого уровня внедрения технологий ИИ в фармацевтике, значительного пула пациентов, более высокой распространенности хронических и инфекционных заболеваний, развитой инфраструктуры здравоохранения и активных клинических исследований и испытаний ИИ и разработки лекарств в регионе. В частности, в Соединенных Штатах наблюдается значительная распространенность заболеваний обмена веществ и образа жизни. По данным CDC, в 2022 году более 130 миллионов взрослых в Соединенных Штатах будут жить с диабетом. Кроме того, по данным Национальных институтов здравоохранения, хроническое заболевание почек поражает каждого седьмого взрослого в стране. Известные исследовательские и академические учреждения, такие как Онкологический центр имени М. Д. Андерсона Техасского университета, Университет Алабамы в Хантсвилле, Оксфордский университет и Университет Данди и другие, интегрируют ИИ в исследования по разработке лекарств. Рост искусственного интеллекта на рынке разработки лекарств в регионе дополнительно стимулируется ключевыми разработками и высокой концентрацией игроков рынка в Соединенных Штатах. Например, в ноябре 2021 года Alphabet, материнская компания Google, представила ISOMORPHIC LABORATORIES в качестве своей первой компании по разработке лекарств. Аналогичным образом, в сентябре 2022 года Microsoft заключила соглашение о сотрудничестве с Novo Nordisk, предлагая свои услуги в области искусственного интеллекта, вычислений и облака для анализа данных, разработки и поиска лекарств. Кроме того, подразделение Johnson & Johnson, Janssen, объявило о партнерстве с SRI International в августе 2022 года, используя платформу искусственного интеллекта SynFini от SRI для разработки лекарств на основе малых молекул. Ожидается, что эти текущие достижения в регионе будут способствовать росту рынка.

Последние разработки

• В феврале 2021 года Exscientia и Оксфордский университет будут сотрудничать в исследовании методов лечения болезни Альцгеймера.
• Начиная с октября 2020 года, Beginning Therapeutics начала сотрудничать с Genentech (США) для совместной разработки многоцелевых препаратов, используя передовые возможности искусственного интеллекта Genesis для выявления потенциальных терапевтических средств для различных заболеваний.
• В марте 2021 года Iktos и Pfizer достигли соглашения об использовании инструментов разработки лекарств на основе искусственного интеллекта Iktos для выбранных инициатив Pfizer в области малых молекул.

Ключевые игроки рынка