[[315538]]

隨著無人駕駛出租車在美國開展測試與部署，科幻小說中描述的無人駕駛場景正一步步走向現實，并有望徹底改變整個交通運輸行業。此外，高盛、摩根大通以及摩根士丹利等金融企業在過去一年中都在積極擴展自身數據與技術團隊，深化AI技術的應用。各大巨頭態積極部署AI技術項目，幫助自身在競爭當中脫穎而出。

從目前來看，AI技術的應用范圍已經非常廣泛，各個行業可謂概莫能外——制藥行業自然也在其中。

可以肯定的是，AI技術確實在制藥行業中具有巨大的發展機遇。部分行業巨頭已經開始嘗試針對多種不同目標實施AI策略，并為最終有望全面到來的行業轉型奠定基礎。

臨床試驗選擇

藥物的市場投放是一個昂貴且漫長的過程。2017年，塔夫茨藥物開發研究人員的調查顯示，單一藥品的平均上市成本為27億美元，且數字仍在不斷增加。臨床試驗占據研發成本中的很大部分比例——盡管研究人員投入了大量資金，但仍然經常出現項目延后以及較高的失敗率。CB Insights的一項調查顯示，臨床試驗延后的最大原因來自人員招募環節，約有80%的試驗無法按時找到理想的試藥志愿者。

與其他傳統技術相比，IBM Watson等AI技術使得臨床醫生得以更快、更高效地找到合適的患者進行臨床試驗。在這類場景下，AI技術不僅通過加快選擇過程幫助制藥企業節約時間，同時也能夠確保候選人具有合適的條件，最終節省金錢并減少潛在的失敗試驗數量。

藥物依從性

臨床試驗中的一大重要部分，在于嚴格遵守協議。簡而言之，如果志愿者未能遵守試驗規則，那么必須將相關數據從集合當中刪除。否則，一旦未能及時發現，這些包含錯誤用藥背景的數據可能嚴重歪曲試驗結果。此外，保證參與者在正確時間服用正確的藥物，對于維護結果的準確性也同樣重要。

AI支持下的人臉識別技術已經被用于多種不同應用場景，包括在Snapchat等社交聊天軟件上提供美顏濾鏡，以及為用戶提供獨特的生物識別“密鑰”以增強安全性等等。

AiCure等SaaS平臺已經開始采用這項技術，希望解決之前提到的藥物依從性問題。通過人臉識別，該平臺能夠判斷出某人是否服用過藥物以及劑量是否合適。在這套平臺的幫助下，參與者的依從率快速提升至90%。

罕見疾病藥物研發

自由市場的規則，促使各大制藥企業開發出能夠服務于大規模人群的藥物。在另一方面，由于缺乏成本效益，針對罕見疾病開發治療方法的嘗試，長期以來一直沒有得到應有的重視。

美國食品藥品監督管理局（FDA）以及歐洲藥品管理局（EMA）在這一發展當中提供動力，并嘗試利用AI技術幫助應對這一挑戰。美國的初創企業已經在利用機器學習算法，嘗試整合來自一系列數據源的大量數據，包括臨床試驗、專利日志以及其他科學數據與文獻，旨在重新利用現有藥物將其應用于各類較為罕見的疾病。

在波恩大學公布的最新研究當中，科學家們發現神經網絡能夠自動比較病患照片，據此更高效、更可靠地診斷各類罕見疾病。該軟件能夠從照片當中檢測出與某些疾病相關的特定面部特征，將該信息與其他遺傳及患者數據結合起來，并與可能性最高的疾病進行比對。

企業間諜與黑客行為

由于藥物開發成本過高，制藥行業的知識產權自然具有不可估量的極高價值。因此，根據今年早些時候NTT Security進行的研究，醫療行業成為遭受網絡攻擊最多的前五大行業。

此項研究首次發現，最常見的攻擊類型主要是基于偵察類攻擊，占對醫療行業攻擊總數的44%。實際上，在EpiPen在2016年提價之后，一群黑客竊取了相關專利數據，意味著偽造者能夠創建出更便宜的自制設備，甚至提供在線“操作方法”分享視頻。

網絡安全對于各個行業都是一個日益嚴重的問題。隨著黑客將攻擊矛頭指向極具價值的專利與設計，期望從中獲利，這方面威脅在醫療行業中的嚴重程度也在快速提升。

作為回應，網絡安全行業開始整體部署AI技術，希望應對這一迫在眉睫的威脅。前文提到的生物識別安全（例如人臉識別）已經被廣泛用于制藥行業中的敏感數據保護，而AI驅動算法則讓安全人員能夠通過集成大量安全數據的方式，實時檢測來自世界各地的威脅活動。

總結

制藥行業已經在大規模AI解決方案的實施方面邁出重要一步，對于其他與制藥業類似的大規模行業，AI技術的潛在應用同樣非常廣泛。

為了推動這一至關重要的發展潮流，制藥行業需要采用正確的技術與工具，確保相關系統能夠及時高效地捕捉、集成、分析以及解釋多種不同增長的數據集。除此之外，AI技術也有望從開發到試驗，有效保障新藥與療法在專利與設計層面的安全。這一切，都將給制藥這一歷史悠久且至關重要的行業帶來前所未有的變革。