2024年AI在制药领域的应用报告-罗兰贝格

AI 在制药领域的应用AI 为何能改变制药行业的游戏规则十月 2024封面 Just_Super/iStockAI 在制药领域的应用2执行摘要AI 可提升制药企业的营收和利润 AI 能够在制药价值链中释放巨大价值。应用得当时，它可以同时提高效率和收益，并在更短时间内为患者提供更好的药物。在研发环节，AI 能够生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程。在运营和生产环节，AI通过释放全价值链改进潜力、实现除自动化以外的效率提升。AI 的最新发展赋能新用例显著改善各种生产关键绩效指标。商业化领域也受益于 AI。使用 AI 工具直接协助与医务人员互动的应用日益增多，更快速为团队提供重要的医疗信息。AI 还可以通过使用市场表现数据为销售、营销和市场准入环节提供独到洞察。将AI整合进公司流程为制药公司提供了改善营收和利润的巨大潜力，机会正当时。然而，企业必须考虑大量因素，才能使 AI 实施真正有效。不断增加的监管压力以及扩展AI应用案例的需求，带来了一系列复杂的运营和组织挑战。在罗兰贝格，我们根据每家公司的 AI 发展成熟度，提供一种模块化方法满足不同公司需求。我们的定制化解决方案可以帮助公司量身打造其 AI 应用之旅，以最大程度地提高公司应用适配性和影响力。AI 在制药领域的应用3预期增益资料来源: GenerativeAi.net, Techtarget, Press获取AI收益收益和效率的提高，具体取决于价值链所属环节应用得当时，AI 可以同时提高有效性和效率，在更短的时间内为患者带来更好的药物。然而，效率和收益的提升潜力因价值链环节而异。因此，合理管理AI预期以调整AI投资至关重要。获取收益AI在制药价值链中的应用（部分示例）预期提效制药价值链AI 主要应用领域• 产品组合优化• 药物发现• 分子生成• 生物标记开发• 临床试验设计 • 临床试验数据分析和报告撰写研发1• 化学、制造和控制 (CMC)• 采购• 供应风险管理 • 需求预测 • 库存/生产规划• 质量管理• 供应商关系管理运营与生产2• 市场研究• 营销组合优化• 现场人员优化• 宣传材料制作• 关键意见领袖（KOL）管理• （医疗）知识管理商业化3高低AI 在制药领域的应用4资料来源: 罗兰贝格AI 如何助力研发 在整个产品开发过程中提升创新力和效率在研发环节，AI 可以在多个领域增加价值，如计算机模拟研究、医学洞察和湿实验室支持。AI 已经能够通过生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程，帮助药物发现环节变革。新型数字化助手AI 如何提高创新力和效率高效流程• 更快的数据分析和计算机模拟测试加速开发过程• 增强的数据处理能力提升质量技术接管研发创新产品• 多靶点药物研发中，提高质量• 预测性设计生成提升创新力技术助力研发AI 在研发中的应用“AI 在研发中的应用”AI 在制药领域的应用5资料来源: Wellcome Trust, TD Cowen, 相关企业访谈加速创新AI正在推动从药物发现到临床前候选阶段的全面变革AI 已经在研发领域取得了令人瞩目的成果。一些机构发现，从药物发现到临床前候选阶段的时间最多可缩短50%，由于测试候选物的迭代次数减少和设计更优，成本也可实现类似程度的下降。 例如 ，重新利用现有分子通常需要三到五年的时间，而流程通过AI 赋能后、 只需两到三年即可完成，并降低30%-50%的成本。已经证实收益AI对药物发现时间和成本减少的潜在影响1 临床前候选药物 (PCC) 是指在早期实验室研究和动物模型中显示出良好效果、但尚未在人体临床试验中进行测试的化合物或候选药物情景针对位置或了解较少的靶点来自现有化药成分的分子，用于已充分理解的靶点将现有分子重新利用于靶点到临床前候选药物(PCC) 的时间 (年) 基线AI 赋能流程5–78–11基线基线AI 赋能流程AI 赋能流程5–72–35–83–5-35–40 %-40–50 %-30–40 %到临床前候选药物 (PCC)的成本 (百万美元)基线AI 赋能流程25-4035-55基线基线AI 赋能流程AI 赋能流程15-2010-1525-4015-30-25–30 %-40–50 %-30–50 %AI 在制药领域的应用6AI 在研发环节的挑战数据可得性、企业能力和监管框架资料来源：罗兰贝格深入探讨有效实施AI的潜在阻力 数据可得性• 该领域的数据可得性现状如何？• 数据池中是否已经检测到偏差？企业能力• 员工目前对 AI 使用的认知程度如何，还需要补充哪些方面？• 将AI整合进企业流程并保持合规性和质量需要哪些治理架构？监管框架• 最近针对 AI 使用出台了哪些监管限制？• 未来监管是否会进一步限制 AI 在制药领域的应用？进一步讨论阻力较大阻力较小企业必须考虑众多因素才能使 AI 实施真正有效。数据可得性问题众所周知，但这只是冰山一角，企业能力和监管框架也十分关键。以监管框架为例：在 2020 年至2021年期间，向美国食品和药物管理局 (FDA) 提交的材料中使用AI的数量增加了十倍。因此，美国食品药品管理局和欧洲药品管理局纷纷发起多项举措，旨在为药物发现环节中使用 AI 提供指导方针。随着技术日益成熟，了解这些方针及其未来发展趋势对于可持续实施 AI 至关重要。AI 在制药领域的应用7节省时间、节降成本基于AI的生产解决方案收益资料来源：罗兰贝格广泛收益AI能提高一系列生产关键绩效指标 (KPI) 1 常规减少潜力影响50 %40 %30 %20 %10 %人工物料机器 & 流程 能源消耗维护/服务内部物流生产灵活性安全性 & 工作时长10–30 %5–15 %10–35 %10–30 %20–40 %20–40 %5–20 %20–40 %例如：基于视觉的自动化质量控制、手动工作流程自动化、基于视觉的装配自动化例如：机器参数优化以提高设备综合效率 (OEE) 并降低能源消耗例如：预测性运维和基于AI的排障支持例如：搭载AI 车辆、路线规划优化例如：灵活的自动化解决方案和工厂布局例如： 基于机器视觉的安全区域例如：通过机器参数优化减少废弃物料有形收益成本节降11无形收益高达 25 %收入提升多达 10 %上市时间缩短AI 的最新发展赋能新用例显著改善各种生产关键绩效指标，最多可提高 25% 的收入和缩短 10% 的上市时间。AI 在制药领域的应用8独到的商业洞见以最好满足患者需求AI 如何监测和提升商业表现资料来源：罗兰贝格在产品上市阶段，AI 可以在监管和医学事务及商业职能等各个方面提供支持。AI 可以通过多种方式帮助加快审批提交并保持合规，例如自动追踪监管变化和合规性预测。在医学事务方面，AI 可以提供批准后真实世界数据 (RWD) 增强追踪，并为信息服务和现场运营等提供行政支持。 利用市场表现数据，AI 可以为销售、营销和市场准入环节提供独到见解，例如内容创作、知识管理和报销建模等。同时，AI 也可以收集和预测市场表现数据。使用AI 的公司通常聚焦于监管和医学事务或商业化。因此，制药公司往往倾向于收购针对特定业务部门或任务的AI 工具或服务，或独立开发公司平台以便在全公司范围内进行推广。