人工知能が我が国の製薬産業に新たな勢いを吹き込む
関係専門家らは、AI医薬品は国内製薬業界にとってこの時代を乗り越えるチャンスになると考えており、AI医薬品はこの新興分野に対する前向きな政策支援を強化し、独自の独立したイノベーションを促進するための入り口として利用されるべきであると考えている。中国の革新的な製薬産業全体を最終的には中国のイノベーションの海外輸出を達成します。
我が国の AI 製薬産業の「後発利益」
近年、中国の現地 AI 製薬企業が次々と台頭しており、標的の特定と適格性確認、創薬、前臨床研究、臨床研究の複数の段階をカバーする、新薬の研究開発のチェーン全体。関係専門家らは現在、欧米諸国はAI医薬品3.0の初期段階にあり、中国もAI医薬品2.0の初期段階にあると考えている。国内の AI 製薬会社のほとんどは、動物実験、有効性、毒物学検証の段階にあり、今年後半には前臨床候補化合物の段階に入る可能性があり、2 ~ 3 年以内に 3.0 の初期段階に入ることが予想されます。
シンクタンク「スマート・ドラッグ・ビューロー」の統計によると、世界のAI医薬品パイプラインのレイアウトでは依然として米国が優位に立っており、6月20日現在、世界にはAI製薬会社が26社あり、AI製薬企業は約51社ある。臨床試験の支援。このうち80%以上が米国企業で、中国企業はInsilicon Intelligent、Unknown Jun、Bingzhou Stoneの3社だけだ。上場しているAI製薬大手企業は基本的に欧米企業であり、中国企業はまだ存在しない。
日本の製薬会社武田アジア太平洋開発センター所長の王林博士は記者団のインタビューで、中国の現地AI企業やバイオテクノロジー企業はAI支援医薬品の研究開発能力を急速に向上させていると述べた。 。一部の地元企業は特許取得済みの開発プラットフォームを開発し、小分子の結晶構造予測や一次薬の設計など、世界中の企業がまだ取り組んでいない最先端の分野の探索を始めています。
2021年からAI新薬研究開発企業に大量の国内資金が流入し始め、同年から1か月以内に中国のAI製薬企業3社がシードラウンドの資金調達を受けた。過去 2 年間で、業界で大きな注目を集めた融資プロジェクトが 3 件ありました。まず、香港に本社を置くインシリコン社は、AIの研究開発を臨床試験に移行させ、より多くの新たな標的を発見するためのアルゴリズム調整を進めるため、昨年2億5,500万米ドルの調達に成功した。北京王石スマート科技有限公司も同年4月に1億米ドルの調達に成功した。 2020年9月には、深センに本拠を置くJingtai Technologyも3億1,900万米ドルの調達に成功した。さらに、Tencent、Baidu、ByteDance などの国内インターネット大手も、その強力な AI コンピューティング能力を医薬品の開発と設計の分野に投入しています。
中国は新薬の研究開発を支援するためにAI技術を活用するという独自の利点を持っており、これは国内の製薬業界にとって歴史的な追い抜きのチャンスをもたらすだろう。この新たなテクノロジーを柔軟に適用できれば、国内の製薬会社が業界リーダーとなり、世界のトップクラスに入る可能性があります。 「王林氏はこう言った。
一方で、十分なビッグデータが AI のトレーニングの鍵となります。国内の人口ベースは巨大で、病院の規模もかなり大きいため、大規模なデータの収集と統合にはより適しています。」第二に、中国には現在約 3,000 人の CRO (委託研究機関) がおり、製薬会社が複数の CRO 会社を医薬品開発に参加させて複数の治験を並行して実施できる可能性が生まれました。異なる結果を比較することは AI 学習に必要なプロセスです。
しかし、関連する専門家は、我が国はAIの部分では競争力があり、製薬の部分ではわずかに劣っていると考えています。インテリジェントな医薬品設計プラットフォームを専門とするYuanyi Smart社の最高経営責任者(CEO)は記者団に対し、我が国はAIアルゴリズムレベル、あるいはさらに悪いことに、データやインフラストラクチャーの理解と応用においてはヨーロッパやアメリカとのギャップがない、と語った。インテリジェントのディレクター、ドゥアン・ホンリャン氏は、製薬業界の基準と品質管理、産業チェーンとサプライチェーンは、外国に比べてはるかに遅れています。浙江理工大学薬学研究院も、中国のAIレベルは米国に匹敵すると考えているが、製薬業界はさまざまな業界との統合の中でもはるかに遅れをとっており、製薬業界との統合はさらに難しく、実現しないだろう。私たちは医薬品の研究開発のルールを尊重し、それを磨き上げることに時間を費やす必要があります。
「新旧の統合」の課題とリスク
人工知能が浸透しているにもかかわらず。医薬品の研究開発のあらゆる側面において、新興産業と伝統的な産業の組み合わせは、データ、コンピューティング能力、ポリシーなどの多くの課題とリスクに依然として直面しています。業界が注力すべき重要な点はデータとコンピューティング能力です。
業界専門家のレン・フェン氏は、AI 医薬品競争の主な課題はアルゴリズムにあると考えています。第二に、データのほとんどは科学研究費などの公的データから取得されています。浙江理工大学知能薬学研究院の所長であるDuan Hongliang氏は、医薬品の研究開発データのほとんどはAIモデリングよりも時間がかかり、多くの企業が取得していると述べた。私の国の公共データベースは質が低く、化学研究所や生物学研究所からデータを生成して蓄積する必要があります。また、タンパク質や分子の空間構造をシミュレートするには高い精度が必要であり、現在はスーパーコンピューターでも不可能です。すべての組み合わせを網羅します。
新薬の研究開発の不確実性。 Pan Lurong 氏は、革新的な医薬品の研究開発における最大のリスクと課題は、過去 20 年間で、さまざまな病気の細分化における生物学と病理学の理解が徐々に進んできたにもかかわらず、人間の病気に対する理解がまだ表面的であることであると述べました。分子生物学とヒトゲノミクスの助けを借りて、まだ多くの不明な点が残されています。さらに、全体的な運営の観点から見ると、新薬の研究開発のタイムスパンは長いため、資金や政策環境などのさまざまな外部影響により、多くの優れた科学プロジェクトが継続的に実行できなくなります。 「プロジェクトを開始した科学者たちが、その過程でさまざまな疑問に直面し、資金や産業環境などのさまざまな障害に直面しても前進し続けるほど粘り強くなければ、たとえ正しいアイデアであっても途中で放棄される可能性があります。」したがって、革新的なチームや科学者を支援するには政策と産業資本が重要であるとルロン氏は述べた。
現場統合は「現地環境への順応」です。 AI 医薬品は、非常に閉鎖的で機密性の高い業界と、最もオープンな業界との衝突です。 Pan Lurong 氏は、AI と医薬品の組み合わせは、生物学的実験主体とコンピューター主体の知識システムと方法論を再統合するプロセスであると述べました。両者の気質はまったく逆です。国際的な大手製薬会社は何百年もかけて開発を行ってきました。彼らには豊富な知識、経験、データが蓄積されていますが、厳しい壁があります。今日に至るまで、製薬業界は依然として専門家の経験に基づいており、デジタル化を受け入れることに自然な抵抗を持っています。 AI分野では「オープン性」が重視されており、学習データの幅と質が非常に重要です。西湖大学生命科学部の博士指導者であり、西湖大見(杭州)生物技術有限公司の創設者でもある郭天南氏も、製薬は保守的な分野であると考えており、現在、巨大製薬会社がその枠組みを変えることは困難である。伝統的な製薬会社のイノベーションのコストは非常に高くなりますが、逆に、新たに設立された企業が出現し、業界が再編されるでしょう。
総合的な人材が極端に不足しています。 インタビューした専門家は皆、総合的な人材の不足がこの業界の最大の悩み点であり、我が国ではそのような人材の不足が特に深刻であると指摘しました。レン・フェン氏は、伝統的な医薬品の研究開発を理解している一方で、AIを信じている人、あるいは革新的な医薬品の開発にAI技術を積極的に利用したいと考えている人はまだ少数であると述べた。 AI 医薬品には、従来の経験と、偏見なく AI テクノロジーを受け入れる能力を備えた、より多くの人材が必要です。 Pan Lurong 氏はまた、生物学、化学、医学、AI テクノロジーの背景を併せ持つ人材が少なすぎると考えており、専門家チームもさまざまな分野でのコミュニケーションと統合の問題に直面しています。さらに、我が国にはトップレベルの設計を行うための AI 人材が不足しています。そのような人材は、アルゴリズム エンジニアリングのバックグラウンドを持っているだけでなく、トップレベルのアーキテクチャを実現するために AI システム エンジニアリングと生化学の分野横断的なトレーニングも必要とします。そしてテクノロジーを実装します。
郭天南氏は、この分野における我が国の人材育成システムは改善する必要があると述べた。 生物医学は全員が科学者であり、その発展の道は学部、大学院、直接博士号を取得し、海外に行くというものです。コンピュータ サイエンスを専攻する学部生は直接高収入の仕事に就くことができ、AI に携わる人々は多くの収入を得られるでしょう。ビジネスを理解している人のほとんどは伝統的な企業に勤めているのに、ライフサイエンス関連の機関に入学すると収入が減ります。海外でビジネスパートナーを見つけるのは簡単ですが、中国では大学教師や科学研究者が自分のビジネスを始める際に制度的な抵抗に直面する人は比較的少ないです。
国際政治環境は協力に影響を与えます。 現在、感染症や政治的要因などの国際環境の不確実性は、サプライチェーン、人材の流れ、会議などの科学研究交流や国際協力に悪影響を及ぼし、革新的なAIの研究開発を妨げています。薬物。 Pan Lurong 氏は、革新的な医薬品の研究開発は今や世界の産業チェーンから切り離せないものとなっており、アウトソーシングによる R&D サービスは非常に成熟していると述べました。たとえば、初期の化学や生合成から体外試験や臨床試験に至るまでの CRO サービスは、世界中の多くの細分化された企業によって引き受けられており、国内企業も産業チェーンの重要な部分を担っています。したがって、真に革新的な創薬研究プロジェクトを推進するには、一国の力に完全に依存することは不可能であり、最終的には国際協力の成果となります。
我が国のAI製薬産業を活性化することが急務です
関連専門家は、我が国のAI製薬産業の活力を制度面から十分に刺激し、支援を提供すべきであると提案しています。人材育成、規制当局の承認、公園建設、データ管理などの多角的な視点からAI医薬品を推進し、我が国の革新的な医薬品研究開発の「革命」を実現します。
まず、分野横断的な人材の育成を強化し、国境を越えた人材を呼び込みます。 関連専門家は、AI医薬品は非常に最先端の分野であり、中国と外国の間には大きな人材格差があるため、世界の人材リソースを最大限に活用するための措置を講じるべきであると考えています。
分野横断的な人材の育成を加速します。ドゥアン・ホンリャン氏は、コンピューターや生物医学の専門家に対する障壁を打ち破り、複合的な才能の育成に注力する必要があると述べた。郭天南氏は、生物学者は専門分野があり視野が狭いため、新しいことを学ぶために別の業界に飛び込む動機を持つのは難しいと述べ、一部の生物医学博士が自分のビジネスを始めることを奨励する仕組みを設けることができると述べた。さらに、大学には生命科学分野の博士課程の定員が少なすぎます。たとえば、浙江大学は生命科学の博士号を取得する学生を 3 年に 1 人しか採用できません。多くの一流の大学教授の能力を活かして、システム内の科学研究者にさらなるサポートを提供する必要があり、上級人材のグループがこれを行うことができます。リソースの割り当てやプロジェクトのレビューにおいて、投資家はその分野で権威のある専門家を求めるだけでなく、比較的客観的で敏感な評価グループでもあります。
国境を越えた人材を総動員します。レン・フェン氏は、現在、AI医薬品分野における海外の人材は国内人材よりも発展しており、海外のハイレベル人材の導入を促進するために、より優遇政策が導入されることを期待していると述べた。 Pan Lurong 氏はまた、グローバル リソースを効果的に動員するには、柔軟な労働時間、多様なインセンティブ、オンラインおよびオフラインのコラボレーション モデルの使用が必要であると考えています。現在、多くの第一線の外資系製薬会社の研究開発の中核人材は中国人であり、このグループは特に努力されるべきである。政策の面では、特別なスキルを持つ労働者を惹きつけ、彼らにより良い生活環境と科学研究環境を確保するために、関連するビザ政策を緩和することができる。
第 2 に、規制当局の承認を積極的に加速します。 緊急の臨床ニーズに対応するため、または特殊な状況下で、一部の外国規制当局は、新薬開発を加速するための十分な AI ビッグデータ サポートに基づいて、一部の前臨床研究を減額または免除しようとしています。ヒト臨床試験段階に直接加速します。王林氏は、我が国の食品医薬品局およびその他の規制当局が、臨床的価値のある革新的な医薬品の導入加速に基づいて外国規制当局の最新の規制措置を引き続き科学的に評価し、より将来を見据えた政策を策定することを期待していると述べた。国内の実情やニーズに基づいた政策や規制。たとえば、一部の特定の分野では、適切な AI テクノロジーが利用可能であれば、テスト用の仮想動物モデルを確立でき、前臨床研究の有効性の参考として認識することもできます。レン・フェン氏はまた、規制当局が新しいAI医薬品の臨床試験申請の承認までの待ち時間を短縮することを期待していると述べ、AI製薬企業も規制当局と協力して業界標準を策定し改善し、国内でより標準化されたAI医薬品を開発できるようにしたいと述べた。 。
第三に、学際的な工業団地の建設を促進します。 任峰氏は、AI医薬品は学際的であり、政府主導による人工知能とバイオ医薬品の学際的なインキュベーションパークの建設により、上流産業と下流産業が一体となって良好な産業エコシステムが形成されることを期待していると述べた。同パークには、コンピューティング能力をサポートするスーパーコンピューティングセンターや、初期のAI医薬品の研究開発を検証できる共有実験室など、いくつかの支援施設を建設することができる。
4 番目に、データとプライバシーの管理を強化します。 Wang Lin 氏は、AI 医薬品には大量のデータのサポートとアプリケーションが関係しており、関連企業が新しい AI アルゴリズムまたはデジタル ツールを採用するかどうかを検討する際、主に考慮すべきはデータ セキュリティとプライバシー保護であると述べています。 Pan Lurong 氏はまた、製薬分野におけるデータの機密性と AI 分野におけるデータへの依存の間には矛盾があり、これを解決するには新しい暗号化技術、業界協力メカニズム、革新的なデータ資産商用管理メカニズムが必要であると考えています。
以上が人工知能が我が国の製薬産業に新たな勢いを吹き込むの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

先週、社内の辞任と社外からの批判が相次ぐ中、OpenAIは内外のトラブルに見舞われた。 - 未亡人姉妹への侵害が世界中で白熱した議論を巻き起こした - 「覇権条項」に署名した従業員が次々と暴露 - ネットユーザーがウルトラマンの「」をリストアップ噂の払拭: Vox が入手した漏洩情報と文書によると、アルトマンを含む OpenAI の上級幹部はこれらの株式回収条項をよく認識しており、承認しました。さらに、OpenAI には、AI セキュリティという深刻かつ緊急の課題が直面しています。最近、最も著名な従業員2名を含むセキュリティ関連従業員5名が退職し、「Super Alignment」チームが解散したことで、OpenAIのセキュリティ問題が再び注目を集めている。フォーチュン誌は OpenA を報じた。

8月1日の本サイトのニュースによると、SKハイニックスは本日(8月1日)ブログ投稿を発表し、8月6日から8日まで米国カリフォルニア州サンタクララで開催されるグローバル半導体メモリサミットFMS2024に参加すると発表し、多くの新世代の製品。フューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) の紹介。以前は主に NAND サプライヤー向けのフラッシュ メモリ サミット (FlashMemorySummit) でしたが、人工知能技術への注目の高まりを背景に、今年はフューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) に名前が変更されました。 DRAM およびストレージ ベンダー、さらに多くのプレーヤーを招待します。昨年発売された新製品SKハイニックス
