← 返回首頁

AI創藥競爭延伸到合作網絡:25家公司策略調查勾勒產業分工

藥廠帶入研發流程,AI新創建立平台與候選藥,科技巨頭供應模型和算力。一份日本策略調查描繪三方如何串接資源,也留下關鍵問題:這些合作能否轉化為可驗證的藥物成果?

By SURL BioNews

一個模型提出有潛力的分子,距離成為藥物還有許多關卡。誰能提供疾病資料、安排實驗,再把候選分子推向人體研究,正牽動AI創藥的產業布局。日本TPC Marketing Research於8月發布的策略調查指出,藥廠、AI新創與大型科技公司的合作,逐漸成為整合技術、資料與藥物管線的重要途徑。

這份《2026年AI創藥事業策略調查》於8月24日出版,TPC在26日發布公告,International Business Times亦報導其重點。依公開報告頁面,調查期間為2026年5月至8月,全書121頁,涵蓋11家製藥企業、10家AI新創及4家科技公司,包括AstraZeneca、Recursion、Insilico Medicine,以及NVIDIA、Amazon、Google和Microsoft。這些數字代表研究涵蓋的企業範圍,不能據此視為全產業的採用率調查。

TPC描述的應用範圍,已從尋找疾病標的與篩選化合物,延伸至分子設計、ADMET預測,以及臨床前與臨床開發。ADMET指藥物的吸收、分布、代謝、排泄與毒性,關乎候選分子進入身體後如何移動、被處理,以及可能造成什麼傷害。模型若能協助預測這些性質,便可能幫助研究者安排驗證順序;但預測本身仍須接受實驗檢驗。調查也明確排除減少資料輸入等一般行政用途,將焦點放在直接涉及創藥的工作。

三類企業各自切入不同環節。依TPC公告,藥廠著重把AI導入既有研發流程;AI新創一面建立平台,一面創造與開發候選藥;科技公司則提供模型、雲端服務、GPU與高效能運算基礎設施。TPC認為,藥廠透過合作取得外部技術、資料與算力,使競爭逐漸涉及整套資源如何組合。從這個角度看,合作網絡能否把計算結果接上實際研發工作,是理解產業布局的一條線索。

不過,公開材料呈現的是策略輪廓。TPC提到已有AI參與創造或設計的候選藥進入臨床開發,卻未在摘要中提供可逐項核對的試驗結果、模型驗證資料集,或研發成本與成功率的比較數據。因此,這份調查可以支持AI應用正在擴展的描述,尚不足以證明它已普遍改善新藥研發成果;進入人體研究,也不等於療效與安全性已獲證實。

背景脈絡

AI創藥的討論正隨候選藥走向臨床而改變:研究者除了需要找到分子,也必須建立能追溯、能重現的證據。這份調查另將日本PMDA、美國FDA與歐洲EMA的AI及機器學習指引列入分析範圍,顯示法規已進入企業策略視野。不過,公開目錄並未提供足以比較各機關要求的細節,也不能解讀為任何平台已取得監管認可。

這份調查提供的切面,是AI創藥背後的分工如何形成。資料、模型、算力與藥物管線若能透過合作接在一起,或可讓研究構想更順利進入驗證流程;至於合作是否真正縮短開發時間、減少失敗,仍需要具體計畫的實驗與臨床數據回答。產業網絡正在成形,成果的衡量則必須落到每一項候選藥。

References

  1. International Business Times
  2. TPC Marketing Research / TPC Bibliotheque
  3. Mapion News / DreamNews — TPC Marketing Research company release