當美國大藥廠運用AI加速新藥開發速度 那麼台灣呢？

根據 TrendForce 最新研究指出，透過導入大數據與 AI 人工智慧的機器學習技術，全面強化電腦輔助的藥物篩選與設計，縮短新藥開發時程與提高成功機率，新藥開發邁入 3.0 時代。

TrendForce 生技產業研究副理劉適寧表示，多間歐美廠商已嗅到這趨勢，標榜以 AI 輔助新藥開發的新創公司如雨後春筍般創立，例如 Exscientia、Atomwise、Insilico Medicine 等，吸引全球如輝瑞 Pfizer(PFE-US)、賽諾菲 Sanofi(SAN-EPA)、默克 Merck & Co(MKR-US)、葛蘭素史克 GSK(GSK-UK)、Allergan(AGN-US) 等諸多大藥廠與這些新創公司合作，此外，AI 在生醫應用領域知名的 IBM(IBM-US) Watson 亦未缺席，各家藥廠商皆希望以 AI 強化在產品開發的核心競爭力。

劉適寧指出， 從大數據與 AI 人工智慧導入新藥開發的發展來看， 現階段著力的重點在於新藥探索（discovery）階段，其發展奠基於扎實的基礎研究知識、生醫領域大數據的可取得性、AI 演算法與軟體開發能力等基礎之上。

劉適寧表示，現有新藥開發方法所產出的潛在新藥，臨床試驗失敗的原因據統計約有 17% 是來自安全性或有效性不佳，原因就在於以細胞、組織與動物模式的前臨床試驗，以及早期人體臨床試驗作為支持藥物作用標的選擇與人體實質療效的預測性不佳。

傳統電腦輔助藥物篩選與設計，著重於結構及潛在藥物活性分子與受體之間的原子層級的交互作用；有別於新藥開發 2.0 時代的高通量篩選以及傳統電腦輔助藥物篩選與設計，新藥開發進入 3.0 時代。

劉適寧說明，在大數據的輔助下，將分子層級例如基因體（genome）、轉錄體（transcriptome）、蛋白質體（proteome），以及巨觀層級電子醫療數據、臨床文獻等龐大的資訊匯入，並導入機器學習技術，進行藥物潛在作用標的與疾病關係的驗證，以及各類藥物如化學小分子藥、蛋白質藥、雙標靶藥物等開發。

然而，劉適寧提及在大數據與 AI 在生醫領域的應用在台灣尚在起步階段，特別在新藥開發領域，一方面產業對新藥探索（discovery）階段著墨少，一方面需要結合扎實的基礎研究知識、大數據、AI 演算法開發，門檻雖不低，卻是提升台灣新藥產業實力的利器。