Por que o fim da IA é a biofarmacêutica?
Com relação à direção do desenvolvimento futuro da IA, a comunidade de investimentos tem opiniões diferentes, alguns acreditam que é o setor fotovoltaico, outros acreditam que é o setor de energia, enquanto a NVIDIA acredita que é o campo dos produtos biofarmacêuticos. No layout de investimento da NVIDIA para 2023, além dos algoritmos principais e da construção de infraestrutura no campo da IA, os produtos biofarmacêuticos se tornaram uma área fundamental de seu investimento. Kimberly Powell, vice-presidente de negócios de saúde da NVIDIA, deixou claro: "Se o setor de design auxiliado por computador pode lançar a primeira empresa de chips com uma capitalização de mercado de $2 trilhões, por que o setor de descoberta de medicamentos auxiliado por computador não pode gerar a próxima empresa farmacêutica com capitalização de mercado de trilhões de dólares?"
Está claro que a NVIDIA está otimista em relação ao futuro da IA+BioPharma e tem como objetivo criar outra história de sucesso semelhante à da NVIDIA. Por que a NVIDIA tem expectativas tão altas para esse campo? A resposta a essa pergunta requer uma compreensão profunda dos principais desafios e da lógica subjacente do setor farmacêutico.
Lei anti-Moore
O rápido desenvolvimento da tecnologia de IA não pode ser separado do rápido progresso do setor de circuitos integrados. Gordon Moore, fundador da Intel, após anos de estudo aprofundado do setor de semicondutores, resumiu a ideia de que o número de transistores em circuitos integrados dobra a cada 18 ou 24 meses. Essa é a famosa Lei de Moore. A Lei de Moore afirma que, à medida que a tecnologia continua avançando, o desempenho do processador dobrará aproximadamente a cada dois anos e os preços cairão para a metade do que eram. É graças a essa iteração e avanço contínuos da tecnologia que a tecnologia de computadores cresceu exponencialmente, possibilitando recursos cada vez mais incríveis.
Entretanto, ao contrário da Lei de Moore no setor de semicondutores, as tendências no setor biofarmacêutico mostram um fenômeno "anti-Lei de Moore". Durante muito tempo, o desenvolvimento de medicamentos inovadores foi conhecido como a "lei das duas dezenas", o que significa que geralmente leva dez anos e custa um bilhão de dólares para desenvolver um novo medicamento. No entanto, esses números estão desatualizados, com os dados mais recentes mostrando que o custo médio de P&D de um medicamento inovador é de cerca de $2,6 bilhões globalmente, e o ciclo médio de P&D é de cerca de 10,5 anos. Os longos ciclos de P&D e os altos custos de P&D tornam o desenvolvimento de medicamentos inovadores extremamente arriscado, não apenas exigindo grandes quantidades de apoio financeiro, mas também enfrentando altas taxas de fracasso. Para tornar a situação ainda mais difícil, a dificuldade de P&D continua a aumentar com o tempo, pois o custo do desenvolvimento de novos medicamentos e alvos aumenta e o retorno sobre o investimento diminui à medida que mais medicamentos e alvos são descobertos.
Nesse ambiente anti-Lei de Moore, o limiar de P&D de medicamentos inovadores está cada vez mais alto e o risco de investimento está aumentando, fazendo com que a P&D de medicamentos inovadores se torne gradualmente a reserva das grandes empresas. No entanto, o setor farmacêutico geralmente é impulsionado pela inovação nas margens, com muitas novas tecnologias nascidas inicialmente em start-ups. Somente quando essas tecnologias são progressivamente validadas é que as grandes empresas começam a intervir e a fazer o layout.
Desenvolveu-se uma aparente contradição entre as leis de desenvolvimento do setor e suas forças motrizes, um fenômeno altamente incomum que poderia levar a um gargalo no avanço da tecnologia médica humana, uma situação que ninguém veria com bons olhos.
O setor biofarmacêutico está precisando urgentemente de mudanças, e o custo cada vez maior do desenvolvimento de medicamentos inovadores oferece espaço para essas mudanças. É com base nesses dois fatores que a NVIDIA acredita firmemente que a tecnologia de IA tem o potencial de revolucionar o setor farmacêutico.
Experiência vs. intuição
O setor farmacêutico moderno é frequentemente comparado a uma cidade murada construída com base na intuição. Embora os medicamentos inovadores precisem passar por uma validação clínica rigorosa e sistemática antes de serem comercializados, o processo de descoberta é cheio de incertezas. Todo o processo de descoberta de medicamentos se assemelha a um funil, com o número de compostos candidatos bem-sucedidos diminuindo progressivamente em cada estágio, desde a descoberta de medicamentos, passando pela validação pré-clínica, até a validação clínica. Entre eles, o estágio de descoberta de medicamentos é particularmente difícil, pois os desenvolvedores precisam examinar inúmeros compostos para identificar cerca de 10.000 candidatos em potencial e, por fim, escolher o composto certo após camadas de triagem. A descoberta e a identificação de um alvo específico não são apenas acidentais, mas também complexas e tediosas de validar, e ainda mais difíceis de localizar com sucesso a molécula certa.
Embora gerações de esforços de descoberta de medicamentos tenham padronizado o processo de descoberta de medicamentos, quando confrontados com uma enorme quantidade de dados de compostos, a P&D ainda depende muito da intuição dos pesquisadores, e os dados só podem fornecer uma ajuda limitada. A direção correta de P&D é um pré-requisito para o sucesso e, uma vez tomada a rota errada, não importa quanto esforço seja feito, ela ainda pode ser inútil. Esse excesso de confiança na intuição é a causa principal do aumento contínuo dos custos de P&D de medicamentos tradicionais.
Para reduzir os custos de P&D no setor farmacêutico, é necessário mudar para uma abordagem de P&D mais orientada por dados. Os dados são essencialmente experiências acumuladas, e sua digitalização não significa a eliminação de falhas de P&D, mas sim que as falhas podem ser transformadas em uma base de aprendizado para a próxima P&D. Por meio do treinamento de modelos em larga escala, a IA pode tornar o processo de triagem de medicamentos mais rápido e mais preciso.
O desenvolvimento de medicamentos inovadores pode ser comparado a um jogo Roguelike; embora cada jogada possa parecer aleatória e a experiência possa ser diferente a cada vez, a dificuldade do próximo desafio pode ser gradualmente reduzida por meio de falhas constantes e acúmulo de dados.
A IA farmacêutica é essencialmente um processo de mudança da confiança na intuição de especialistas para a confiança no feedback de dados para encontrar o caminho ideal de P&D por meio do treinamento contínuo de modelos. Essa mudança marca uma passagem da intuição para os dados e um progresso da emoção para a razão. Especialmente em muitas áreas de doenças que ainda não foram conquistadas, confiar na intuição de um especialista pode não ser melhor do que aleatorizar o sucesso, enquanto a tentativa e o erro contínuos do modelo de IA são a maneira mais eficaz de reduzir a taxa de falhas.
Os recursos de dados são os mais preciosos
Algoritmos, aritmética e bancos de dados constituem os três elementos principais da tecnologia de IA. Na maioria dos cenários de aplicação de IA, os algoritmos são o elo principal e, embora o poder aritmético e os bancos de dados sejam igualmente importantes, os investidores tendem a dar mais atenção ao desenvolvimento de algoritmos de modelos grandes. Entretanto, no campo biofarmacêutico, o domínio dos algoritmos pode não ser tão óbvio. Diferentemente de outros campos, os recursos de dados na área biofarmacêutica são preciosos, muitas vezes não são de código aberto e são os principais ativos das principais empresas farmacêuticas. Tanto os resultados bem-sucedidos quanto os fracassados são obtidos por meio de testes clínicos de alto custo.
Portanto, está claro que, no campo farmacêutico de IA, o banco de dados é a chave para a competitividade central. Observando as empresas farmacêuticas de IA populares na China, muitas delas foram transformadas a partir de empresas de CRO. Ao contrário das empresas farmacêuticas tradicionais, as empresas de CRO têm uma rica experiência em P&D e, embora os dados de P&D pertençam à Parte A, elas conseguem acumular uma grande quantidade de dados de processo e metodologia no decorrer de vários processos de P&D, o que lhes dá uma vantagem na construção de bancos de dados. Considerando a natureza de fonte não aberta dos dados biofarmacêuticos, o desenvolvimento da IA farmacêutica poderia seguir em duas direções. Uma delas é a das corporações multinacionais (MNCs) bem financiadas, que acumularam uma rica experiência e dados de P&D por um longo tempo e começaram a estabelecer de forma abrangente a tecnologia de IA; a outra são as CROs envolvidas principalmente na transformação da indústria farmacêutica de IA na China, que têm uma forte capacidade de construção de banco de dados, e o que lhes falta é apenas o desenvolvimento de algoritmos de modelos grandes, e o problema do poder computacional pode ser resolvido por meio da cooperação com empresas de tecnologia como AliCloud e TencentCloud O problema do poder computacional pode ser resolvido por meio da cooperação com empresas de tecnologia como Ali Cloud e Tencent Cloud. O primeiro modelo pode ser mais difícil de ser realizado na China, pois o setor biofarmacêutico nacional começou tarde e não conta com empresas multinacionais que realizam pesquisa e desenvolvimento de medicamentos inovadores há muito tempo.
Nas próximas décadas, as empresas de CRO provavelmente se tornarão os principais ativos da indústria farmacêutica de IA da China, enquanto no exterior é principalmente uma competição entre empresas multinacionais, que relutam em abrir seus dados para terceiros, e até mesmo empresas como a Nvidia só podem participar do campo biofarmacêutico por meio de investimentos. Atualmente, os produtos farmacêuticos de IA nacionais estão nos estágios iniciais de desenvolvimento e podem ser divididos em três níveis. O primeiro escalão inclui empresas que vêm desenvolvendo a tecnologia farmacêutica de IA há muitos anos, como a Chengdu Pilot, a Hongbo Pharmaceuticals, a Jingtai Technology e a Medicine Stone Technology, etc.; o segundo escalão é uma empresa com vasta experiência em P&D, mas que acabou de começar no campo dos produtos farmacêuticos de IA, como a WuXi Kantei, a Medicilon e a Haoyuan Pharmaceuticals, etc.; e o terceiro escalão é experiente, mas ainda não foi desenvolvido em profundidade no campo da IA por outras empresas de CRO. No campo farmacêutico de IA, os dados são o recurso mais importante, e o valor do banco de dados excede em muito os algoritmos e o poder aritmético, e é por isso que as empresas de CRO podem assumir a liderança no atual setor farmacêutico de IA doméstico.
Entre em contato conosco agora!
Se precisar do Price, preencha suas informações de contato no formulário abaixo. Normalmente, entraremos em contato dentro de 24 horas. Você também pode me enviar um e-mail info@longchangchemical.com durante o horário comercial (das 8h30 às 18h UTC+8 de segunda a sábado) ou use o bate-papo ao vivo do site para obter uma resposta imediata.
| Composto Glucoamilase | 9032-08-0 |
| Pullulanase | 9075-68-7 |
| Xilanase | 37278-89-0 |
| Celulase | 9012-54-8 |
| Naringinase | 9068-31-9 |
| β-Amilase | 9000-91-3 |
| Glucose oxidase | 9001-37-0 |
| alfa-Amilase | 9000-90-2 |
| Pectinase | 9032-75-1 |
| Peroxidase | 9003-99-0 |
| Lipase | 9001-62-1 |
| Catalase | 9001-05-2 |
| TANNASE | 9025-71-2 |
| Elastase | 39445-21-1 |
| Urease | 9002-13-5 |
| DEXTRANASE | 9025-70-1 |
| L-Láctico desidrogenase | 9001-60-9 |
| Malato desidrogenase | 9001-64-3 |
| Colesterol oxidase | 9028-76-6 |