2016年02月18日 星期四 23:57:08

掌握大中華市場脈動.亞洲專業華文生技產業月刊

生技中心DCB 綻放AI生醫星光

2018/12/1 李林璦

生技中心DCB 綻放AI生醫星光(左起為林瓊副所長,曾宇鳳教授)(攝影/李林璦

生技中心DCB 綻放AI生醫星光(左起為林瓊副所長,曾宇鳳教授)(攝影/李林璦)

昨(30),財團法人生物技術開發中心(生技中心)於台灣醫療科技展舉辦看見台灣生醫綻放星光系列活動,除了特別邀請到台大資訊工程學系曾宇鳳教授分享AI協助藥物開發的現況,DCB藥物平台技術研究所林瓊副所長也說明DCB於AI for drug development 的投入及藍圖。

曾宇鳳教授表示,新藥的開發是一個漫長的過程,耗資成本高,這也是造成藥物費用高昂的重要原因之一;而新藥在作用標的之特性之不夠明確時,會有副作用、藥物動力學等性質不佳,造成藥物開發非常耗錢耗時,最終失敗的重要風險因素。
因此隨著大數據、雲計算以及電腦深度學習等多個方面取得突破,運用人工智慧在醫藥技術領域,尤其是藥物開發領域的應用已然是一個前景廣闊的新興領域。
傳統上,從藥物進入臨床試驗前,需要經歷時間去合成找尋候選藥物,再耗費大量時間與金錢做動物實驗與細胞實驗驗證有效跟安全性,但我們知道,藥物在第一個搶到市場時利潤是最大的,因此加快藥物開發的進程是非常重要的。
AI可以自己吸收分析特徵值進行分類,就像大腦一般,科學家將藥物化學結構式當作數學圖論進行處理,轉換成數學方程式輸入電腦後,AI會自動分類分群,找出藥物結構中最重要的結合位,快速產生最佳藥物合成配方。
臨床前的安全性,有效性測驗雖然重要但非常耗時,若能改善10%,就能省下約1億美金,目前,以AI數據取代動物實驗已經在國際展開,2013年歐盟就開始禁止使用動物做經皮試驗,改以提供數值模型與其預測值,而美國FDA也在2018/1/1開始接受數值模型。
越早在藥物開發進程中投入AI,越容易成功,台灣在藥物開發上,與他國比較起來經費是最令人擔憂的,不像國際大藥廠能投入龐大經費去做臨床前評估試驗,台灣有高品質的數據成為發展AI學習的優勢。
林瓊副所長則說明,美、歐、日、中等國都已積極投入,欲強化我國製藥產業全球競爭力、促成產業升級,開發人工智慧導入藥物開發階段技術平台至為關鍵。生技中心利用實驗室已建立創新藥物ADMET(吸收、分配、代謝、排洩和毒性)實驗數據建置資料庫,透過與台大資工所曾宇鳳教授合作,開發特定藥物研發ADMET性質(吸收、分配、代謝、 排洩和毒性)之機器學習方法(Machine Learning Methods),透過數據反饋/深度機器學習 ,使用ADMET試驗數據進行訓練,訓練完成後會產生模型,未來當有新的資料,使用訓練產生的模型進行預測,利用新數據不斷優化模型,提升預測準確度。

文章分類 全球新聞 標籤: ,

發表迴響

Copyright© 2019 環球生技投資股份有限公司. All rights reserved.

讀者服務電話:(02)2726-1065  時間:週一 ~ 週五 9:00 ~ 18:00

服務信箱:service@gbimonthly.com

地址:110臺北市信義區松德路161號2樓之3, Taiwan