人工智能（AI）正在渗透核心行业，据《福布斯》杂志报道，预计到明年（2025年），该市场的价值将达到226亿美元。其中一个蓬勃发展的领域是制药业，AI正被用于以前所未有的速度将药物推向市场。为了了解AI将如何影响这一行业以及可能面临的挑战，《外包制药》（Outsourcing-Pharma）采访了Dotmatics公司的产品管理、解决方案和集成总监梅兰妮·尼尔森（Melanie Nelson）。Dotmatics是一家研究与开发（R&D）科学软件公司。
Dotmatics如何利用AI加速药物发现过程，近年来取得了哪些进展？
Dotmatics与全球科学家合作，帮助他们做好AI准备并推动自己的AI之旅。我们的软件被超过200万名科学家使用，包括百时美施贵宝（Bristol-Myers Squibb）、默克（Merck）等顶级制药公司以及麻省理工学院（MIT）和牛津大学（Oxford）等研究机构。2023年10月，我们推出了Dotmatics Luma，这是一个结合科学数据和数据科学的新型科学智能平台，旨在实现AI驱动的“实验室循环”（Lab-in-a-Loop）。该平台有助于集中和分析数据，使药物发现过程更加高效和明智。“实验室循环”方法允许研发和临床数据被摄入和集中，从而创建预测模型，指导下一步实验。为了使AI有效，公司必须整合其专有数据以改进预测模型。Dotmatics的软件通过简化流程，使公司能够从实验中获得更大的价值。
AI如何减少新药上市的时间和成本，与传统方法相比有何优势？
AI在降低药物开发的成本和时间方面具有巨大潜力。传统的药物发现过程复杂，通常需要长达10年的时间，耗资约25亿美元，且失败率高。AI可以在开发过程的早期识别潜在失败，节省大量时间和资金。预测建模可以模拟药物在人体内的行为，减少对广泛物理测试的需求，降低晚期失败的风险。此外，AI通过链接表型和基因型数据来优化临床试验设计，使试验更加高效。这不仅降低了总体成本，还加快了治疗手段的交付速度。
将AI整合到药物发现中的主要挑战是什么，Dotmatics如何应对这些挑战？
一个主要挑战是确保数据“AI就绪”。数据孤岛现象，即不同部门分别存储信息，使得全面利用AI变得困难。数据保护的监管要求和涉及人类受试者的伦理考虑也增加了复杂性。Dotmatics通过Luma平台解决了这些问题，该平台统一并分析了来自研发和临床来源的大量多模态数据。通过将数据集中在一个平台上，科学家可以更有效地访问和使用这些数据进行AI建模。
另一个挑战是将AI嵌入现有的研究工作流程中。为了最大化AI的优势，它必须成为决策过程的一部分，而不仅仅是一个独立项目。Luma通过简化科学家在日常工作中访问AI模型的过程，减少了每次新的AI项目都需要IT介入的需求，从而解决了这一问题。
AI如何提高早期研究阶段识别潜在药物候选物的准确性和效率？
AI通过分析大型和多样化的数据集，发现人类研究人员可能忽略的模式和相关性，从而彻底改变了早期研究。在目标识别方面，AI可以快速筛选大量数据，提出更有希望的实验路径。在先导化合物选择方面，AI可以推荐科学家可能未曾考虑的方法，帮助设计更好的实验，缩短从发现到临床试验的时间。尽管这一领域仍在发展，但AI处理这些复杂数据集的能力已经使药物发现变得更加高效和准确。
AI在管理和分析药物发现过程中产生的大量数据中扮演什么角色？
药物发现过程会产生大量数据，需要先进的计算工具进行分析。AI在管理这些数据量和复杂性方面发挥着关键作用。例如，研究人员可以通过自然语言查询跨复杂数据集查找相关信息，而AI算法可以识别模式，指导发现过程的下一步。Dotmatics开发了Luma Lab Connect，自动将实验室仪器数据流式传输到Luma平台，消除了手动过程，提高了数据准确性。该系统使数据互操作，帮助科学家无需高级编码技能即可用于AI建模和分析。这种AI在数据管理中的整合使科学家能够专注于研究而非数据处理。
能否提供一些因Dotmatics的AI技术而加速或改进的药物发现案例？
一个例子是位于日内瓦的生物技术公司Addex Therapeutics。Addex专注于开发用于帕金森病、癫痫和阿尔茨海默病等神经疾病的小分子药物。他们的研发团队在管理复杂的工作流程和大量数据方面面临挑战。通过采用Dotmatics的解决方案，他们显著提高了效率，使科学家能够花更多时间在研究上而不是数据分析上，从而加速了药物发现过程。
将AI整合到传统研究工作流程中的主要挑战是什么，Dotmatics如何帮助科学家克服这些挑战？
最大的挑战之一是在不破坏现有工作流程的情况下将AI嵌入其中。许多组织将AI项目作为孤立项目运行，但要真正受益，AI需要成为日常决策过程的一部分。为此，AI模型必须易于访问和使用，使科学家无需大量IT支持即可使用。Dotmatics的Luma平台通过允许科学家将AI无缝集成到研究过程中，最小化了干扰。该平台支持大规模的数据摄取、提取和分析，帮助科学家将AI无缝融入其工作流程中。
您如何看待未来5-10年内AI的发展，特别是在药物发现和开发方面的应用？
在未来5-10年内，AI可能会成为药物发现项目的标准组件。我们预计生成式AI将简化对多样化和复杂数据集的查询，使科学家无需深入了解底层数据模型即可提出问题。预测AI方法也将证明其价值，成为加速药物发现的重要工具。Dotmatics致力于开发数据管理解决方案，帮助科学家充分发挥AI的潜力。通过更好地洞察生物学和疾病过程，AI将帮助更快、更高效地为患者带来治愈方法。
您认为AI驱动的药物发现将对全球健康产生什么影响，尤其是在解决未满足的医疗需求或罕见疾病方面？
如果AI能够实现其承诺，它将通过减少药物发现的时间和成本，对全球健康产生重大影响。这将使公司能够追求更具挑战性的未满足医疗需求和罕见疾病，这些疾病传统上因成本过高而难以解决。开发药物的高成本往往使公司不愿涉足罕见疾病，但AI可以通过降低失败风险和缩短开发时间来改变这一现状。个性化医学是另一个令人兴奋的领域，AI可以在此发挥变革作用。癌症等疾病高度个体化，治疗方案通常取决于特定的基因突变。AI可以帮助为每位患者量身定制疗法，改善治疗效果并减少副作用。随着AI的不断发展，我们将看到更准确的患者反应预测，真实世界的数据将在药物开发中发挥更大作用。
Dotmatics如何定位自己以引领未来AI驱动的药物发现？
Dotmatics致力于帮助科学家利用技术和数据科学改善全球健康。我们的使命是提供数字工具，使科学家能够利用AI进行有意义的发现。我们认为，通往利用AI的旅程将由许多小胜利组成，最终带来药物发现的重大变革。我们很荣幸能参与这一旅程，并努力构建支持下一代科学突破的平台。
(全文结束)
