AI 在制药领域的应用

微信扫码，打开到小程序

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/iStock 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。 2 AI 在制药领域的应用 执行摘要 预期提效 预期增益 2 运营与生产 • 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 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 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 • 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 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） 制药价值链 资料来源 : GenerativeAi.net, Techtarget, Press 3 AI 在制药领域的应用 ■ ■ ■ ■ 高 二 二 二 二 低 3 1 商业化 研发 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。 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 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 AI 在研发中的应用 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 技术接管研发 技术助力研 发 新型数字化助手 AI 如何提高创新力和效 率 “AI 在研发中的 应用” 4 AI 在制药领域的应用 资料来源 : 罗兰贝 格 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 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。 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 已经证实收益 AI 对药物发现时间和成本减少的潜在影 响 到临床前候选药物 (PCC) 的成本 ( 百万美 元 ) 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 到临床前候选药物 (PCC) 的时间 ( 年 ) 基线 AI 赋能流程 基线 AI 赋能流程 基线 AI 赋能流程 基线 AI 赋能流程 基线 AI 赋能流程 基线 AI 赋能流程 资 料 来 源 : Wellcome Trust, TD Cowen, 相 关 企 业 访 谈 15-30 25-40 35-55 3-5 8-11 5-8 5 AI 在制药领域的应用 25-40 将现有分子重新利用于靶点 5-7 -35-40 % -25-30 % -40-50 % -40-50 % -30-40 % -30-50 % 2-3 10-15 5-7 15-20 情景 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。 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？ AI 在研发环节的挑战 数据可得性、企业能力和监管框架 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？ 深入探讨 有效实施 AI 的潜在阻 力 进一步 讨论 6 AI 在制药领域的应用 资料来源：罗兰贝格 阻力 较小 阻力较大 5-15 % 例如：预测性运维和基于 AI 的排 障支持 人工 物料 机器 & 流程 能源消耗 维护 / 服务 内部 物流 广泛收益 AI 能提高一系列生产关键绩效指标 (KPI) 20-40 % 例如： 基于机器视 觉的安全区域 安全性 & 工作时 长 20-40 % 20-40 % 10-35 % 例如：灵活的 自动化解决方案和 工厂布局 5-20 % 生产灵活性 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。 节省时间、节降成本 基于 AI 的生产解决方案收 益 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 50 % 40 % 30 % 20 % 10 % 例如：搭载 AI 车辆、路线规 划优化 例如：通过机器参数优化减 少废弃物料 7 AI 在制药领域的应用 10-30 % 10-30 % 成本节降 11 无形收益 有形收益 1 常规减少潜力 资料来源：罗兰贝格 影响 更深入的理解 AI 可助力市场洞察和企业战略 1 监管和医学事务 加快审批流程并保持合规性 审批提交支持和合规性监控 • 创建监管申报资料包 • 自动追踪监管变化并进行合规性预测 商业绩效 追踪并提升商业绩效 2 市场洞察和 企业战略 • 市场理解，业绩追踪和预测 • 患者行为 / 偏好追踪 营销 • 战略洞察和销售追踪 • 营销组合优化 • 内容创建 销售 • 战略洞察和销售追踪 • 营销组合优化 • 内容创建 市场准入 • 定价策略 • 报销建模 • 基于价值定价 (VBP) 调整 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。 药物警戒和医学事务 • 追踪并预测批准后的医疗真实世界数据 (RWD) ， 重点关注不良反应 • 为医疗信息服务和现场运营 (MSL) 提供行政支持和 知识管理 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 8 AI 在制药领域的应用 资料来源：罗兰贝格 13 % 30 % 市场竞争情报 29 % 27 % 9 % 22 % 35 % 生物医学 文献综述 4 % 38 % 销售辅助工具 31 % 9 % 33 % 29 % 营销广告文案 29 % 3 % 22 % 40 % 患者服务支持 34 % 4 % 32 % 27 % 销售和医学事务联 络中心自动化 37 % AI 与医务人员互动 确保医务人员 (HCP) 从 AI 变革中受 益 构思阶段 概念验证 (PoC) 开发阶段 积极试点测试阶段 全面推广或实施 阶段 1 按使用领域报告 AI 发展阶段的高管比例 (n=100) 使用 AI 工具直接协助与医务人员互动的应用日益增多，例如快速提供医疗信息或创建内容，但团队需要接受全面培训才能发挥最佳效果。 行业 AI 使用情况 AI 在制药商业化中的应用水平 [%] 1 9 AI 在制药领域的应用 资料来源 : Global data 34 % 27 % 建立 AI 战略合作伙伴 AI 涉及公司 各个方面 考虑 AI 人才需求 逐步建立 框架 AI 仅作为技术 话题 持续开发和推广 AI 用例 将 AI 整合进公司流程为制药公司提供了提升营收和利润的巨大潜力，机会正当时。许多行业玩家已经建立了成功的应用案例；创建运营防护机制和合理的内部治理架构可以实现 AI 的 规模化应用。在这种情况下，制药公司需要应对不断增加的监管压力，并确保成功扩展 AI 应用案例。 采用 AI 创建运营防护机制以实现 AI 规模化部署应 用 从基础搭建到广泛应用 AI 成熟度阶段比较 AI 起步 初步建立 AI 卓越 AI 部署 战略转型 前沿先 锋 本报告来源于三个皮匠报告站（ www.sgpjbg.com） , 由用户 Id:840541 下载 , 文档 Id:599858, 下载日 10 AI 在制药领域的应用 确立业务相 关性 实现首个里 程碑 确定 AI 愿景 & 目 标 持续强化 规模扩展 成立 AI 能力中 心 建立 AI 治理架 构 试点首批 AI 用 例 制定 AI 运营模 式 启动数据治理 推动数据卓越 资料来源：罗兰贝格 AI 试点 随着行业对 AI 的使用和受益不断推进，在规模化运营和持续升级 AI 用例方面的阻碍也在不断更迭。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。从识别和实施 初始用例到建立 IT 架构，我们的定制化解决方案可帮助企业量身打造其 AI 应用之旅，以最大程度提高企业应用适配性和影响力。 我们的解决方案 我们可根据您的需求量身定制方案 基线 用例识别、开发 & 实施 组织和运营模式设立 高阶 IT 架构开发 落地支 持 • 建立 AI 工作小组和卓越 中 心 (COE) • 搭建治理框架 • 制定运营模式 • 战略人力资源规划 • 举办用例识别工作坊 • 商业建模 • 优先级排序和路径规 划 • 供应商选择 • 搭建智能 PMO • IT 完备度评估 • 开发高阶架构并确定转 型 路线图 • 设立 IT 转型项目 覆盖所有基础水平 罗兰贝格模块化 AI 解决方案组成要 素 • 协助供应商识别和选择 • 智能 PMO 管理整体转 型 计划 • 评估当前 AI 完备度和表 现 • 评估内部治理情况 • 与竞对 / 其他行业进行对 标 罗兰贝格 解决方案 11 AI 在制药领域的应用 资料来源：罗兰贝格 Michael Caracache 利雅得 michael.caracache@rolandberger.com Soosung Lee 首尔 soosung.lee@rolandberger.com Aditya Agarwal 新加坡 aditya.agarwal@rolandberger.com Yoshihiro Suwa 新加坡 yoshihiro.suwa@rolandberger.com Sarah Li 上海 sarah.li@rolandberger.com Andrea Bassanino 米兰 andrea.bassanino@rolandberger.com Stefano Sorrentino 米兰 stefano.sorrentino@rolandberger.com Nicolas Dumas 巴黎 nicolas.dumas@rolandberger.com Julien Gautier 巴黎 julien.gautier@rolandberger.com Dr. Anne Moore 巴黎 anne.moore@rolandberger.com George Ren 上海 george.ren@rolandberger.com Dr. Hans Nyctelius 斯德哥尔摩 hans.nyctelius@rolandberger.com Atsushi Kiyoizumi 上海 atsushi.kiyoizumi@rolandberger.com Filip Conic 维也纳 filip.conic@rolandberger.com Dr. Omer Saka 苏黎世 omer.saka@rolandberger.com Koen Besteman 阿姆斯特丹 koen.besteman@rolandberger.com Sara Barada 迪拜 sara.barada@rolandberger.com Marco Bühren 慕尼黑 marco.buehren@rolandberger.com Kai Balder 伦敦 kai.balder@rolandberger.com Bieito Ledo 马德里 bieito.ledo@rolandberger.com 联系方式 Dr. Matthias Bünte 高级合伙人 - 苏黎世 +41 79 572-0880 matthias.buente@rolandberger.com Dr. Morris Hosseini 高级合伙人 - 波士顿 / 柏林 +49 160 744-8497 morris.hosseini@rolandberger.com 作者 Dr. Michael Baur 合伙人 - 布鲁塞尔 +32 476 44-6318 michael.baur@rolandberger.com Stephan Fath 副合伙人 - 杜塞尔多夫 +49 211 4389-2165 stephan.fath@rolandberger.com Lennart Bösch 合伙人 - 汉堡 +49 40 37631-4242 lennart.boesch@rolandberger.com Dr. Thilo Kaltenbach 高级合伙人 - 慕尼黑 +49 160 744-8651 thilo.kaltenbach@rolandberger.com Sophia Weerth 高级咨询顾问 - 慕尼黑 +49 89 9230-8433 sophia.weerth@rolandberger.com 更多国际制药业人士对本文亦有贡献 12 AI 在制药领域的应用 关于我们 罗兰贝格是全球领先的战略咨询公司之一，为相关行业和业务职能 提供广泛的服务组合。罗兰贝格成立于 1967 年，总部位于慕尼黑。 罗兰贝格以其在转型、创新和绩效改进方面的专长而闻名，并始终 将可持续发展作为目标融入开展的项目。 欢迎您提出问题、意见和建议 ROLANDBERGER.COM 本出版物仅供一般指导之用。读者不应根据本出版物中提供的任何信 息行事，除非得