관련 전문가들은 AI 의약품이 국내 제약 산업을 추월할 수 있는 기회가 될 것이라고 믿습니다. AI 의약품은 이 신흥 분야에 대한 미래 지향적인 정책 지원을 강화하고 중국 혁신 의약품 전체에서 독창적이고 독립적인 혁신을 촉진하기 위한 진입점으로 활용되어야 합니다. 산업을 발전시키고 궁극적으로 중국의 혁신을 달성하고 해외로 진출합니다.
최근 몇 년 동안 표적 식별 및 인증을 포함해 신약 연구개발의 전체 체인을 포괄하는 중국 현지 AI 제약회사가 계속해서 등장하고 있다. , 약물 발견, 전임상 연구 및 임상 시험 여러 단계를 연구합니다. 관련 전문가들은 현재 유럽과 미국 국가는 AI 제약 3.0 초기 단계, 중국은 2.0 초기 단계에 있다고 보고 있다. 국내 AI 제약사 대부분은 동물실험과 효능, 독성 검증 단계에 있으며, 올해 말 전임상 후보물질 단계에 진입할 수 있으며, 2~3년 안에 3.0 초기 단계에 진입할 것으로 예상된다.
미국은 여전히 전 세계 AI 약물 파이프라인 레이아웃을 장악하고 있습니다. 싱크탱크인 'Smart Drug Bureau'의 통계에 따르면 6월 20일 현재 전 세계에는 26개 AI 제약회사가 있고 약 51개 AI 지원 약물 파이프라인이 진입하고 있습니다. 임상 1상.. 그 중 80% 이상이 미국 기업이고, 중국 기업은 Insilicon Intelligent, Unknown Jun, Bingzhou Stone 등 3개 기업뿐입니다. 상장된 대표적인 AI 제약회사는 기본적으로 유럽과 미국 기업이고, 중국 기업은 아직 없다.
일본 제약회사 다케다 아시아태평양 개발센터 소장 왕린 박사는 기자들과의 인터뷰에서 중국 현지 AI 기업과 생명공학 기업이 AI 기반 의약품 연구개발 역량을 급속히 향상했다고 말했다. 일부 국내 기업은 특허 개발 플랫폼을 개발했으며, 소분자 결정 구조 예측, 1차 약물 설계 등 아직 세계 어느 기업도 진출하지 못한 첨단 분야를 탐색하기 시작했습니다.
2021년부터 AI 신약 연구개발 기업에 국내 자금이 대거 유입되기 시작했다. 그해 한 달 만에 중국 AI 제약회사 3곳이 시드 라운드 자금을 지원받았다. 지난 2년 동안 업계에서 많은 주목을 받은 금융 프로젝트가 3개 있었다. 첫째, 홍콩에 본사를 둔 인실리콘(Insilicon)은 AI 연구 및 약물 후보 개발을 임상 시험으로 발전시키고 알고리즘 조정을 진전시켜 더 많은 새로운 표적을 발견하기 위해 지난해 2억 5500만 달러를 성공적으로 모금했습니다. Beijing Wangshi Smart Technology Co., Ltd.도 같은 해 4월에 1억 달러를 성공적으로 유치했습니다. 2020년 9월 선전에 본사를 둔 Jingtai Technology도 3억 1900만 달러를 성공적으로 모금했습니다. 또한 텐센트, 바이두, 바이트댄스 등 국내 인터넷 거대 기업들도 강력한 AI 컴퓨팅 파워를 신약 개발 및 디자인 분야로 전환하고 있다.
중국은 AI 기술을 사용하여 신약 연구 및 개발을 지원하는 데 있어 고유한 이점을 갖고 있으며, 이는 국내 제약 산업이 코너킥을 앞지르는 역사적 기회를 가져올 것입니다. 이 신기술을 유연하게 적용할 수 있다면 국내 제약사들이 업계 선두로 올라 글로벌 선두권에 진입할 수 있을 것이다. " Wang Lin이 말했습니다.
한편으로는 충분한 빅데이터가 AI 훈련의 핵심입니다. 국내 인구 기반이 거대하고 병원 규모가 상당하므로 대규모 데이터를 수집하고 통합하는 데 더 유리합니다. 둘째, 중국에는 현재 약 3,000개의 CRO(즉, 계약 아웃소싱) 연구 조직) 회사가 있어 제약 회사가 약물 개발에 여러 CRO 회사를 포함하여 여러 시험을 동시에 수행할 가능성이 있습니다. 서로 다른 결과를 비교하는 것은 AI 학습 및 발전에 필요한 과정입니다. 비용을 절감하고 품질도 향상시킬 수 있습니다
. 그러나 관련 전문가들은 우리나라가 AI 분야에서 더 경쟁력이 있고 생명공학 기업인 Yuanyi Intelligence의 창립자이자 CEO인 Pan Lurong 박사에 있다고 믿습니다. 지능형 의약품 설계 플랫폼을 전문으로 하는 회사는 기자들에게 AI 알고리즘 분야에서 우리나라가 경쟁력이 더 높다고 말했습니다. 수준은 유럽이나 미국과 다르지 않거나 심지어 더 나쁘지만 데이터에 대한 이해와 적용, 생물학의 인프라 및 번역 의학, 지식 시스템 개선, 인재 풀, 전체 제약 산업의 표준 및 품질 관리, 산업 체인 및 공급망은 지능형 제약 연구소 소장 Duan Hongliang에 비해 훨씬 뒤떨어져 있습니다. Zhejiang University of Technology는 중국의 AI 수준이 미국과 비슷하지만 제약 산업이 다양한 산업과 AI를 통합하는 데 뒤처져 있다고 생각합니다. 산업 통합은 하루아침에 이루어지지 않을 것입니다.
인공 지능이 제약 연구 개발의 모든 측면에 침투했지만 신흥 산업과 전통은 여전히 다릅니다. 업계 통합은 여전히 데이터, 컴퓨팅 파워, 정책 등 많은 도전과 위험에 직면해 있다.
데이터 및 컴퓨팅 성능 문제. 업계 전문가 Ren Feng은 앞으로 AI 제약 경쟁이 알고리즘 경쟁에서 데이터 경쟁으로 전환될 것이라고 믿습니다. 대규모 청정 데이터는 AI 모델을 완전히 훈련하고 정확도를 향상시킬 수 있습니다. 둘째, 표준화와 관련하여 현재 대부분의 데이터는 과학 연구 자금 및 출판물과 같은 공공 데이터에서 나옵니다. 절강공과대학 지능형약학연구소 소장인 Duan Hongliang은 현재 우리나라 대부분의 기업이 약물 개발을 위한 데이터의 양이 적고 품질도 낮다고 말했습니다. 또한, 데이터는 화학 및 생물학 실험실에서 생성되고 축적되어야 하며, 단백질이나 분자의 공간 구조를 시뮬레이션하는 데는 한계가 있습니다. 현재 슈퍼컴퓨터도 모든 조합을 다 다룰 수는 없습니다.
신약 개발의 불확실성. Pan Lurong은 혁신적인 약물 연구 개발에 있어 가장 큰 위험과 과제는 다양한 질병 세분화에 대한 생물학 및 병리학에 대한 이해가 점차 향상되었음에도 불구하고 지난 20년 동안 질병에 대한 인간의 이해가 여전히 피상적이라는 점이라고 말했습니다. 분자 생물학과 인간 유전체학이 있지만 아직 알려지지 않은 부분이 많습니다. 또한, 전반적인 운영 관점에서 볼 때 신약 연구개발 기간이 길어 자금, 정책 환경 등 다양한 외부 영향으로 인해 좋은 과학 프로젝트를 계속해서 수행할 수 없는 경우가 많습니다. "프로젝트를 시작한 과학자들이 그 과정에서 다양한 의심에 직면할 만큼 끈질기지 않고 자금, 산업 환경 등 다양한 장애물에 직면해 계속해서 전진한다면 올바른 아이디어조차 중도에서 포기될 수 있습니다." 따라서 Lurong은 혁신적인 팀과 과학자를 지원하려면 정책과 산업 자본이 중요하다고 말했습니다.
현장 통합이 "적응"되었습니다. AI 제약산업은 고도로 폐쇄적이고 비밀이 보장된 산업과 가장 개방적인 산업의 충돌입니다. Pan Lurong은 AI와 제약의 결합은 생물학적 실험 주제와 컴퓨터 주제의 지식 시스템과 방법론을 재통합하는 과정이라고 말했습니다. 두 사람의 기질은 완전히 반대입니다. 대형 국제 제약 회사는 수백 년 동안 발전해 왔으며, 그들은 풍부한 지식과 경험, 데이터를 축적했지만 엄격한 장벽을 가지고 있습니다. 오늘날까지 제약 산업은 여전히 전문가 경험을 기반으로 하고 있으며 디지털화 수용에 자연스러운 저항을 갖고 있습니다. AI 분야는 '개방성'을 강조하며, 훈련 데이터의 폭과 품질이 매우 중요하다. Westlake University 생명 과학부 박사 지도교수이자 Westlake Omi (Hangzhou) Biotechnology Co., Ltd.의 설립자인 Guo Tiannan도 제약은 보수적인 분야라고 생각합니다. 현재 거대 제약 회사가 프레임워크를 변경하는 것은 어렵습니다. .기존 제약회사의 혁신비용은 매우 높으며, 반대로 새로 탄생하는 회사가 등장하고 업계가 개편될 것입니다.
복합재능이 극도로 부족합니다. 인터뷰한 전문가들은 종합 인재의 부족이 업계의 가장 큰 문제점이며, 이러한 인재 부족은 우리나라에서 특히 심각하다고 지적했습니다. Ren Feng은 전통적인 약물 연구 및 개발을 이해하고 AI를 믿거나 AI 기술을 사용하여 혁신적인 약물을 개발할 의향이 있는 사람이 아직 소수에 불과하다고 말했습니다. AI 제약에는 전통적인 경험과 AI 기술을 열린 마음으로 수용할 수 있는 능력을 갖춘 사람이 더 많이 필요합니다. Pan Lurong은 또한 생물학, 화학, 의학 및 AI 기술의 배경을 결합한 인재가 너무 적으며 전문가 팀도 다양한 분야의 의사소통 및 통합 문제에 직면하고 있다고 믿습니다. 또한, 우리 나라에는 최상위 디자인을 위한 AI 인재가 부족합니다. 이러한 인재는 알고리즘 엔지니어링에 대한 배경지식뿐만 아니라 최상위 아키텍처를 구현하기 위해 AI 시스템 엔지니어링 및 생화학에 대한 학제간 교육이 필요합니다. 그리고 기술을 구현합니다.
Guo Tiannan은 이 분야에서 우리나라의 인재 양성 시스템을 개선해야 한다고 말했습니다. 생물의학은 모두 과학자이고 발전 경로는 학부, 대학원, 박사학위, 해외진출입니다. 컴퓨터 전공자는 직접 고임금 일자리를 찾을 수 있고 AI를 하는 사람은 입학하면 훨씬 낮은 수입을 얻게 됩니다. 생명 과학 관련 기관; 비즈니스를 이해하는 대부분의 사람들은 전통적인 기업에 있습니다. 해외에서는 비즈니스 파트너를 찾기가 쉽지만, 중국에서는 대학 교사나 과학 연구자가 창업 시 제도적 저항에 직면하는 경우가 상대적으로 적습니다.
국제 정치 환경이 협력에 영향을 미칩니다. 현재 전염병, 정치적 요인 등 국제 환경의 불확실성은 과학 연구 교류와 공급망, 인재 흐름, 컨퍼런스 등 국제 협력에 부정적인 영향을 미치고 AI 혁신 의약품의 연구 개발을 방해하고 있습니다. Pan Lurong은 혁신적인 약물 연구 및 개발이 이제 글로벌 산업 체인에서 분리될 수 없으며 아웃소싱 R&D 서비스가 매우 성숙해졌다고 말했습니다. 예를 들어, 초기 화학 및 생합성부터 체외 테스트 및 임상 시험에 이르기까지 CRO 서비스는 전 세계의 많은 부문 기업에서 수행하고 있으며 국내 기업도 산업 체인의 상당 부분을 담당합니다. 그러므로 진정으로 혁신적인 신약연구 프로젝트를 추진하기 위해서는 전적으로 한 국가의 힘에만 의존할 수는 없으며, 이는 결국 국제협력의 결과입니다.
관련 전문가들은 우리나라 AI 제약산업의 활력을 제도적 차원에서 충분히 활성화하고, 인재 양성, 규제 승인 등 다각적인 지원이 필요하다고 제안한다. , 공원 건설, 데이터 관리를 통해 AI 의약품을 홍보하여 우리나라의 혁신적인 의약품 연구 개발 '혁명'을 실현합니다.
첫째, 교차형 인재양성을 강화하고 초국적 인재를 유치합니다. 관련 전문가들은 AI 제약이 매우 최첨단 분야이며, 중국과 외국 사이에 인재 격차가 크다고 보고 있으며, 글로벌 인재 자원을 완전히 동원하기 위한 조치를 취해야 합니다.
다양한 인재 육성을 가속화하세요. Duan Hongliang은 컴퓨터 및 생물의학 전문가에 대한 장벽을 허물고 복합 인재 양성에 집중할 필요가 있다고 말했습니다. Guo Tiannan은 생물학자가 자신의 분야에 전문화되어 있고 시야가 좁기 때문에 새로운 것을 배우기 위해 다른 산업으로 뛰어들려는 동기를 갖기가 어렵다고 제안했습니다. D.s가 자신의 사업을 시작합니다. 또한, 대학 내 생명과학 분야 박사 자리가 너무 적습니다. 예를 들어, 저장대학교에서는 3년에 한 명만 생명과학 분야의 학생을 모집할 수 있어 많은 수의 역량을 활용하는 것이 불가능합니다. 과학 연구자들에게 더 많은 제도적 지원을 제공하고 이를 위한 고위 인재 그룹이 필요합니다. 자원 배분 및 프로젝트 검토에서 해당 분야의 권위 있는 전문가를 찾는 것 외에도 투자자는 상대적으로 더 객관적이고 민감한 평가 그룹이기도 합니다.
다국적 인재를 전면 동원합니다. Ren Feng은 현재 AI 제약 분야의 해외 인재가 국내 인재보다 더 발전했으며, 고급 해외 인재 도입을 촉진하기 위해 더 많은 우대 정책이 도입되기를 희망한다고 말했습니다. Pan Lurong은 또한 글로벌 자원을 효과적으로 동원하기 위해서는 유연한 근무 시간, 다양한 인센티브, 온라인 및 오프라인 협업 모델 사용이 필요하다고 믿습니다. 현재 많은 일선 외국 제약회사의 핵심 R&D 인력은 중국인이므로 이 그룹에 특히 노력해야 합니다. 정책적으로 관련 비자 정책을 완화하여 특수 기술을 갖춘 인력을 유치하고 이들에게 더 나은 생활과 과학 연구 환경을 보장할 수 있습니다.
둘째, 규제 승인을 적극적으로 가속화합니다. 긴급한 임상 요구 또는 특수한 조건을 충족하기 위해 일부 외국 규제 기관은 신약 개발 속도를 높이기 위해 충분한 AI 빅데이터 지원을 기반으로 일부 전임상 연구를 줄이거나 면제하려고 노력했으며 심지어 직접 가속화하기까지 했습니다. 인간 임상시험 단계까지 Wang Lin은 우리나라 식품의약국(FDA) 및 기타 규제 당국이 임상 가치가 있는 혁신적인 약물의 도입을 가속화하는 것을 기반으로 외국 규제 기관의 최신 규제 조치를 지속적으로 과학적으로 평가하고 보다 미래 지향적인 방안을 마련하기를 희망한다고 말했습니다. 국내 실정과 필요에 기초한 정책과 규제를 말한다. 예를 들어, 일부 특정 분야에서는 적절한 AI 기술이 가능하다면 가상 동물 모델을 구축해 테스트할 수 있으며, 전임상 연구의 유효성에 대한 참고 자료로도 인정받을 수 있다. Ren Feng은 또한 규제 당국이 AI 신약에 대한 임상 시험 신청 승인 대기 시간을 단축할 것으로 기대한다고 말했습니다. AI 제약 회사도 규제 당국과 협력하여 AI 의약품이 국내에서 보다 표준화된 개발을 할 수 있도록 업계 표준을 제정하고 개선할 수 있기를 희망합니다. .
셋째, 융복합 산업단지 건설을 추진합니다. Ren Feng은 AI 제약은 학제간 융합이라고 말했으며, 정부가 주도하는 인공지능 및 바이오제약을 위한 학제간 인큐베이션 파크 건설을 통해 상류 및 하류 산업을 통합하여 좋은 산업 생태계를 형성할 수 있기를 희망합니다. 공원에는 컴퓨팅 성능 지원을 제공하는 슈퍼컴퓨팅 센터, 초기 AI 약물 연구 및 개발을 검증할 수 있는 공유 실험실 등 일부 지원 시설을 구축할 수 있습니다.
넷째, 데이터 및 개인정보 관리를 강화하세요. Wang Lin은 AI 의약품에는 많은 양의 데이터 지원 및 적용이 필요하다고 말했습니다. 관련 회사가 새로운 AI 알고리즘이나 디지털 도구를 채택할지 여부를 평가할 때 가장 먼저 고려해야 할 사항은 데이터 보안과 개인 정보 보호입니다. Pan Lurong은 또한 제약 분야의 데이터 기밀성과 AI 분야의 데이터 의존성 사이에 모순이 있으며 이를 해결하려면 새로운 암호화 기술, 업계 협력 메커니즘 및 혁신적인 데이터 자산 상업 관리 메커니즘이 필요하다고 생각합니다.
위 내용은 인공지능이 우리나라 제약산업에 새로운 모멘텀을 불어넣다의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!