最新消息

作者：陳思豪/生技中心

近十年來，全球產業環境快速變遷，在產業數位化及智慧物聯雲朝向自動化浪潮進展下，引爆對於保守傳產營運思維之衝擊，包括服務／產品開發流程整合簡化並縮短、創新商業模式與需求趨同演化、跨域產業結合、破壞性跨域應用。

大環境瞬息萬變，洞見趨勢唯快不破，消化巨量資料化為決策生成，在AI引進下逐漸在應用上獲得肯定，決定產業未來布局與存活性。於民生、輕重工業及交通航太等產生必要之依賴，特別在於容易長期累積、妥善準備其結構化資料及具備資料治理量能的產業而言，透過AI分析巨量資訊已逐步緩解許多長久存在的痛點。

相較之下，醫藥產業年年深陷反摩爾定律（Eroom's law）泥沼，紛紛尋求值得依賴之解決方案，也嘗試借助AI在不同的關鍵藥物開發階段之應用來克服困難。特別在資料科學與AI同步發展下，對於資料的來源、完整度、可解釋度及獲得障礙排除等，開始透過結盟作為打造資料共享生態圈的永續布局，藉此加速AI在醫藥應用的發展。

一、AI醫藥應用市場持續成長，美國仍為主要區塊

北美地區的AI醫藥應用市場規模占比最高，其次為亞太地區及歐洲地區。

觀察整體產業環境變遷，可發現三大元素促使生醫產業必須加速引進AI及資料科學，並協同內部企業文化改造，逐漸讓大數據分析量能與企業命脈逐步整合，分別包括：(1)破壞性新科技逐漸由學術界成熟而得以商用、(2)開發流程縮短、(3)多元跨域技術為新創公司所用所造成的高強度競爭。

特別在AI服務供應端，由於破壞性新科技結合AI新創跨域應用，同時部分大環境也因為即使藥廠在藥物發展上依賴AI量能持續成長，對於嗅到商機而蜂擁進入的新創而言，仍然有僧多粥少之憂，也因此許多AI新創由深耕單一技術，逐漸朝技術扎根服務區塊向上下游服務延伸，以高度客製化之伴隨式協同發展、緊密合作為主要趨勢。

二、AI應用深根藥物探索，資料團隊協同發展成為趨勢

應用階段的AI發展趨勢，大致著重在虛擬篩選、評估藥物動力學特性、測候選藥物定量結構活性／性質關係之模型、蛋白質與蛋白質碰撞之預測、蛋白質堆疊預測以及最重要也是最具挑戰的新藥設計上，為主要AI暨資料科學合併應用的主要發展主軸。

AI應用最大的效益是，在自動化上游資料處理過程中重複性高的流程，減少人為錯誤並縮短不必要研發時間，增加全新開發候選藥物數目、減少藥物發展後期失敗率。而賦予AI及巨量資料治理生命的，便是公司決策與專屬資料科學團隊，全程參與藥物發展，累積經驗，並以此發展多工AI雲平台，達成快速分析及時吞吐來自實驗室、臨床等繁雜急需倚賴AI分析之資訊。

三、建構資料共享聯盟生態圈，競爭前合作逐漸成形

AI雲平台暨自動化雛形已在大藥廠獲得穩定應用及肯定下，資料的來源、品質及穩定性逐漸成為與AI技術發展暨跨域應用最後必須克服的問題。高度結構性、系統性的體學暨臨床資料等，必定在藥物發展中如同稀土能源一般的重要。

因此，建立資訊共享生態圈尤其重要，如2019年6月正式啟動，為期3年的MELLODDY（Machine Learning Ledger Orchestration for Drug Discovery）聯盟，整個聯盟內的生態圈包括Amgen、AstraZeneca、Astellas Pharma、Bayer、GSK、Novartis等為主的前十大藥廠。技術端的參與者則包括Owkin提供以區塊鏈為主的AI系統，保持透明度，掌握所有合作端的每一筆資料交易，防止重要數據洩漏、Substra Foundation提供主要區塊鏈技術、Iktos負責藥物用AI技術發展、KU Leuven提供ML演算法，以及重要的實質運算力來自NVIDIA提供硬體並重新建構演算法以提高效率。

四、臺灣產業跨域進入生醫產業之契機與挑戰

臺灣可透過跨域應用之契機及產學研在串聯資料孤島並將其匯整之需求上，透過將AI技術延伸進入六大領域的策略應用來達成整合異源資料的目標，切入具有潛力之服務端，分別為AI與區塊鏈共同應用，確保生醫資料庫應用安全、大數據在資料治理需求上的AI化服務、AI分析平台暨巨量資料處理自動化、AI藥物設計奈米化提供最佳藥物傳遞以及釋放機制、AI高通量藥物篩選暨影像驅動之分析，以及最重要也是目前臺灣最適合發展的量子運算，透過此類運算力強大量能提供AI平台克服傳統電腦運算耗時之問題，例如預測分子對位、設計全新蛋白質藥物等。

臺灣擁有強大的ICT產業及成熟穩健的生醫產業生態布局，在兩大跨域合作下，引進AI應用結合龐大的健康大數據，絕對是具有競爭力的一環。特別在市場區隔化AI應用高度分工多元，切入點多、國際投資趨勢不受疫情影響、自有技術在學研奠定深厚量能，以及服務配合性一直是臺廠優勢的情況下，相信可藉此響亮國際。