中國醫(yī)薬産業(yè)「カーブオーバー」の機會：バイオテクノロジー「ボーナス危機」を乗り越えられる計算

なぜイマゼニはこんなに高いですか？映畫「私は薬の神様ではありません。」は、ガリバーの高価な価格のために冒険犯罪に走る善良な人々の話で、総理が自ら醫(yī)療保険に加入するよう指示したことにも驚きました。しかし、実際には薬事企業(yè)の価格が高いのは原因があります。薬品の開発が遅すぎて、42年もかかりました。しかも、研究開発の過程で何回も流産しそうになりました。投入のコストは計り知れません。定価が高いのも必然です。最近、ある業(yè)界會議で、中國科學(xué)院北京ゲノム研究所の研究員は21世紀(jì)の経済報道を含むメディアに対し、薬品の研究開発サイクルを短縮することが重要だと指摘しました。

現(xiàn)在、業(yè)界で形成されている一つの観點は、助力バイオ醫(yī)薬業(yè)界が最大の効果を発揮し、研究開発の効率を大幅に向上させることができるということです。

中國科學(xué)院の計算技術(shù)研究所の高性能センターの譚光明教授は21世紀(jì)の経済報道記者に例を挙げて分析しました。Google AlphaFold 2アルゴリズムが登場してから、実験時間を數(shù)年から數(shù)時間に短縮するだけではなく、投入コストも數(shù)萬ドルに急降下し、正確さは従來の実験と比べても遜色がありません。つまり、コンピューターを使って、まず試行錯誤のコストを減らすことを助けて、1萬回の生物実験を100回あるいは10回まで下げます。

醫(yī)學(xué)の本質(zhì)を計算するのは密集しているデータの駆動の科學(xué)研究の模範(fàn)式を採用するので、人工知能を方法にして、超計算を支えにして、ずっと系統(tǒng)的な全體性は生命を評価することができます。定量的な方法でデータと知識の中に埋蔵されている生命の法則と基本的なメカニズムを探し、工學(xué)的な方法で生物と醫(yī)學(xué)にサービスを提供します。

譚光明は、一、二期の臨床試験のデータがよく現(xiàn)れた薬で、三期の臨床試験は依然として失敗する可能性があると考えています。新しい技術(shù)が必要で、固有の「天井」を破って、新しい技術(shù)を抱擁して失敗する可能性がありますが、成功する可能性もあります。バイオテクノロジーによって推進される醫(yī)薬産業(yè)の効率は低下しています。一つの極めて潛在的な傾向は、新しい技術(shù)體系を構(gòu)築し、薬物を試験駆動からデジタル駆動に推し進め、供給側(cè)に高効率で良質(zhì)な製品を提供するよう推進することである。

醫(yī)と薬の難局

上記業(yè)界會議では、中國科學(xué)院計算所西部高等技術(shù)研究院常務(wù)副院長の張春明氏によると、現(xiàn)在の醫(yī)薬分野で直面している課題は3つある。第一、標(biāo)的點で発見された技術(shù)配當(dāng)はすでに終わっており、新技術(shù)はまだ効果がない。第二に、臨床試験は「死の谷」である。

その中で、差別化競爭が困難な原因は中國の製薬企業(yè)の製品の同質(zhì)化が深刻であることです。米國では多くの薬の開発が成功し、商業(yè)化が成功しますが、中國では多くの薬が開発され、商業(yè)化は失敗に終わっています。

學(xué)術(shù)的に認められたことだが、ビジネスは必ずしも成功するとは限らない。華夏基金ホールディングス子會社の社長で、清華大學(xué)內(nèi)科博士の陳斌さんは、科學(xué)的な高臺上の問題がいくつかの工業(yè)界の問題に転化し、工業(yè)の価値連鎖の中に溶け込むことがビジネス上の成功の前提條件だと考えています。

近年、國內(nèi)のバイオ醫(yī)薬の承認件數(shù)は年々上昇していますが、革新度はまだ足りないです。革新薬の開発は人気の的を中心にしています。同質(zhì)化が深刻で、コースがとても混んでいます。人気のあるターゲットはPD-1、PD-L 1、BTKなどです。多くの企業(yè)が作っています。100社以上の企業(yè)が一つのコースに押し合います。ある程度の盲目性があります。

中國科學(xué)院の計算所-哲源?図霊-ダーウィン実験室の趙宇副主任は、ビッグデータはいくつかの醫(yī)薬企業(yè)にとって工具ではなく、泥沼だと考えています。「データの生産はすでに工業(yè)化していますが、データの理解と使用の能力はまだ非常に不足しています。特に生物と醫(yī)薬の分野ではもっと明らかです。」

多次元異性體の組學(xué)データは臨床に応用して斷層があります。その主な表現(xiàn)は二つの面にあります。まず臨床醫(yī)はデータが分かりません。診療の中でデータを使って患者を助けません。また、発表されたレベルの高い文章は臨床的に実際に発生した問題を効果的に解決することができません。方向東は、知識ネットワークを構(gòu)築するということは、臨床醫(yī)や下流開発者が見て分かる言語で科學(xué)的に発見して表現(xiàn)する過程です。

データの生産と理解は完全にアンバランスです。生命科學(xué)と醫(yī)學(xué)の発展には新しい技術(shù)エンジンが必要です。醫(yī)薬産業(yè)はずっとバイオテクノロジーで片足で支えてきました。この技術(shù)路線に沿って中國の醫(yī)薬産業(yè)は歐米先進國を超えることができません。

張春明氏によると、バイオ醫(yī)薬産業(yè)と研究に目を向けると、バイオテクノロジーの配當(dāng)金はすでに盡きており、新しい技術(shù)プラットフォームが不足しており、醫(yī)學(xué)を計算すると、醫(yī)薬のバイオテクノロジー以外の新しい技術(shù)體系を提供して、仕事をコンピュータに運び、コンピュータの仕事は80%で、人は20%のことをするという。醫(yī)學(xué)プラットフォームの計算は成功率を高めるだけでなく、実験規(guī)模を縮小し、コストを節(jié)約することもできます。各研究機関の評価によると、新薬開発のために500億ドル近くの研究開発費を節(jié)約でき、薬の開発時間を半減、投入を半減し、臨床の効率を倍増させた。ですから、コンピュータと生物化學(xué)が結(jié)びつくと「無敵」になります。

計算醫(yī)學(xué)技術(shù)體系

小さな細胞ではない肺がんの腫瘍細胞の中には約200個の個體の細胞が突然変異していますが、その中で人間が認識し、臨床治療に役立つものは極めて少なく、臨床実踐の中でマークとなるものは10個を超えません。他の200個の変異は腫瘍の成長と機能にも必要ですが、解読には何の役割も果たしていません。

データモデルを利用して、その理解度を高めることができます。中國科學(xué)院計算所の哲源?図霊?ダーウィン実験室主任、細胞生物學(xué)と系統(tǒng)生物學(xué)博士の牛鋼氏によると、遺伝子突然変異は細胞內(nèi)の確定的な結(jié)果を引き起こし、この結(jié)果は測定と分析ができるので、これからは生物學(xué)の知識が必要でないと各種のデータモデルと深さ學(xué)習(xí)の枠組みを構(gòu)築して真実の細胞を模擬することができるという。モジュールはどのような真実な細胞機能を解読しますか？

細胞機能によって新たに解読された人間と病気に関する機能データを基線データといい、基線データを知ることが重要です。牛鋼は、基線データに基づいて予判を行うだけで、患者の全プロセス管理を事前に行うことができると述べた。例肺腺癌は、患者の腫瘍の機能情報を得た後、まずその転移方向を判斷し、次に腫瘍予後（例えば、患者OSを予測する）を判斷し、最後に治療のタイミングが適切かどうか（例えば、抗血管薬の使用）や免疫薬が適用されるかどうかを判斷する必要があります。クローンの進化が起こるなら、その進化の方向を知る必要があります。

張春明氏は、遺伝子から細胞の行動、さらに病気の表現(xiàn)まで數(shù)學(xué)的な方法で連絡(luò)を取り合い、臨床治療の有効性を判斷し、説明することができ、最も適切な人を選別して実験をすることで、最高の薬物効果を達成することができると述べた。

醫(yī)學(xué)の問題を計算して解決するのは人類の知識を生産の実踐と科學(xué)研究の領(lǐng)域の中で使うのです。薬物研究開発の分野では、知識のスペクトルを使用して、人類のすべての知識を統(tǒng)合し、本を書く"本"など、AIは"自閉癥のすべてについて"人間研究者が発表した五萬六千以上の文獻を整理し、まとめた。知識スペクトルはIT分野で共通化の概念ですが、分野専用の知識スペクトルは融合能力を試しています。

生物醫(yī)學(xué)データベースには3000萬以上の文獻があり、醫(yī)學(xué)を計算する根本的な仮説はそれを全部利用しているが、どのように利用するかが難しい點となっている。牛鋼の紹介によると、第一歩は研究內(nèi)容に関する最も核心的な概念をつかむ必要があり、つかんだ過程は知識の分布を新たに整理することであり、大衆(zhòng)の心理から招いた知識が積み重なったため、虛高の圧力をかけなければならない。第二のステップはコアコンテンツを再構(gòu)築するためであり、AIは事前の知識なしに行う必要があるので、何回かの反復(fù)を経て、最後に真の関連コンテンツを得る必要がある。第三段階は分類抽出知識粒子であり、各カテゴリは現(xiàn)在のこの分野の特定の方向または研究ホットスポットを表す。最後に、遺伝子相互作用、信號経路、薬物およびその他の注釈情報を関連データベースを利用して抽出することで、知識とデータの増分を各人類がすでに認知している領(lǐng)域に付加することができる。

張春明氏によると、新冠肺炎の世界的大流行の初期には、まだ多くの関連文獻が報告されていない時に、知識スペクトル技術(shù)を用いて、冠狀ウイルスに関する文獻を14000以上掘り起こした。。この2つの結(jié)論の最初の昨年は、米國のAHA心臓病の十大進展として位置づけられていますが、小分子薬C 21はその後、イギリスの製薬會社に登録され、臨床第二期に入ります。

計算醫(yī)學(xué)は非常に高い性能計算サポートが必要です。譚光明教授によると、現(xiàn)在は汎用ソフトがないため、通用する知識があり、通用するアルゴリズムがないため、超計算で支持する必要があるが、スーパー計算で買うのは簡単で、使うのは難しい。これは「並行最適化技術(shù)」にかかわる。計算所の戦略的配置としては，「生物醫(yī)學(xué)大データ」の研究が20年に達し，海量データを迅速かつ効率的に処理できるようになった。

応用分野において、張春明氏は、モデルの異なる組み合わせで応用に向けたインターフェース型ツールを構(gòu)築し、必要に応じてツールを増やして、薬のデジタル実験シーンを構(gòu)築し、ターゲットポイントを計算し、構(gòu)造を計算して、人間の薬とマッチングさせ、プラットフォームを利用して問題を解決すると述べた。

計算醫(yī)學(xué)賦能醫(yī)薬産業(yè)

一つの薬はすべての患者には適さないので、醫(yī)學(xué)のプラットフォームを利用して最適な人を選び、差別化競爭を行い、薬の成功率を高めることが重要です。張春明氏は、上述のシーンをすべてカバーするための醫(yī)學(xué)的プラットフォームとを使用して、治験データの少量をプラットフォームにした。データの分析を通じて、薬剤の最適な人を選ぶことができ、薬剤の成功を保証するための優(yōu)位性のある人を選ぶことによって、典型的な代表は易瑞沙である。

もともと薬は十人に売っていますが、選別したら二人だけで売るかもしれません。もっと多くの人に売るかもしれません。これは企業(yè)に矛盾するかもしれませんが、プラットフォームを使って最適な人を選び出すには主に三つの長所があります。張春明氏は、第一に、畫期的な治療法として認定され、醫(yī)療保険に入る時間を短縮することができると指摘した。第二に、優(yōu)位な人が明確であるため、薬に対して差別化価格を設(shè)定することができる。

臨床試験のデータから、薬物の優(yōu)位性を推測することができますが、特徴によると、どのような病気にも効果があると推定されます。

一つの薬の開発が成功したのは容易ではないです。市場上の薬の10%は適応癥を開拓できます。プラットフォームを通じて億人の市場を拡大できます。薬の価値を大幅に増加できます。例えばCDK 4/6抑制剤、ファイザー、ノワール、禮來の3社はすでにホルモン陽性Her 2陰性乳癌の下で巨大な商業(yè)価値を展示しています。世界でも百組以上の新しい適応癥の臨床探査が行われましたが、費用は計り知れないほどかかり、臨床試験は長持ちしています。計算醫(yī)學(xué)指導(dǎo)のもとの薬物デジタル研究開発プラットフォームは、新技術(shù)でCDK 4/6抑制剤の「計算」を助けました。いくつかの新しい適応癥の中で、一つの新適応癥は全世界の薬がない珍しい病気「脊索腫」を指しています。臨床実踐の中で、AIによって適用されると判斷されました。手術(shù)、放射線治療が失敗した。腫瘍は37%削減されます。また、いくつかの新しい適応癥はまれな腫瘍ではないので、これは全世界の薬物開発の方策決定に広大な想像空間をもたらします。

さらに、世界中で毎月大量の失敗による創(chuàng)新薬があり、醫(yī)學(xué)のプラットフォームを計算することによって未知の標(biāo)的點を発見し、新しい産業(yè)クラスターを創(chuàng)造し、臨床失敗薬の価値を再構(gòu)築することができる。

張春明も醫(yī)學(xué)を計算する數(shù)字の薬物の実験場は薬事企業(yè)に取って代わることはできなくて、第二八原則で、80%はコンピュータに行ってして、20%はまだ人がしなければなりませんと強調(diào)しています。しかし、計算醫(yī)學(xué)技術(shù)を使う企業(yè)は、計算醫(yī)學(xué)技術(shù)を使わない企業(yè)に取って代わる傾向があります。

?