|
市場調査レポート
商品コード
1568894
AIを活用したドラッグリパーパシング市場、成長機会、世界、2024-2029年AI-based Drug Repurposing Market, Growth Opportunities, Global, 2024-2029 |
||||||
|
|||||||
| AIを活用したドラッグリパーパシング市場、成長機会、世界、2024-2029年 |
|
出版日: 2024年09月09日
発行: Frost & Sullivan
ページ情報: 英文 54 Pages
納期: 即日から翌営業日
|
- 全表示
- 概要
- 目次
AIを活用したドラッグリパーパシングは、医薬品を患者に届けるための新しく迅速なアプローチとして台頭しつつあります。
本調査では、AIを活用したドラッグリパーパシングの出現を分析し、採用を促進する要因と阻害する要因を検証します。従来の創薬の限界から、時間、スピード、コストの面で多くの利点を提供するAIベースの薬剤再利用への関心が高まっています。AIを活用したドラッグリパーパシングは、希少疾患、腫瘍、代謝性疾患、自己免疫疾患、神経変性疾患など、さまざまな適応症で検討されています。
本調査では、機械学習、ディープラーニング、ジェネレーティブAIなど、さまざまなAI技術に焦点を当て、それらがどのようにAIを活用したドラッグリパーパシングを可能にしているのかについて考察しています。さらに、AIを活用したドラッグリパーパシングに関与する主要な参加者について、そのAIアプローチ、重点疾患領域、将来の展望を含めて考察しています。本調査では、AIを活用したドラッグリパーパシングの成長を促進および抑制する主要因を検証し、主要参加者および利害関係者が活用できるこの分野の変化から生まれる成長機会を特定します。
本調査が回答する主な質問
- AIを活用したドラッグリパーパシングの発展における主な促進要因と阻害要因は何か？
- AIを活用したドラッグリパーパシングの適応疾患別用途は？
- AIを活用したドラッグリパーパシングの主要動向は？
- 主要なイノベーターは誰で、AIを活用したドラッグリパーパシングへのアプローチは何か？
- 資金調達とパートナーシップの状況とは？
AIを活用したドラッグリパーパシングの概要
COVID-19の発生以来、薬剤再利用への関心が高まっています。創薬は、標的の特定、リード化合物の特定、臨床試験、承認など、いくつかの段階を必要とする時間のかかるプロセスです。医薬品の上市までには17年かかり、20億米ドルかかることもあり、臨床試験のどの段階でも失敗する可能性があります。ドラッグリパーパシング（ドラッグ・リポジショニング）は、すでに承認されている医薬品の新たな治療用途を特定するものです。このアプローチは、承認期間を短縮し、失敗率を低下させ、承認された医薬品の安全性データと薬理学的プロファイルを使用することで、開発期間とコストを削減します。
医薬品の再利用は、すでに承認されている医薬品の新たな治療用途を見出すための魅力的で成功した戦略として浮上してきました。開発期間が短いため、製薬企業にとっても患者にとっても魅力的なアプローチとなっています。再利用された医薬品のほぼ30％が最終的に患者の手に渡るが、これは従来のプロセスの成功率10％を大きく上回るものです。
医薬品の再利用には、適応拡大、異なる治療領域における医薬品の新たな用途の特定、失敗または中止された医薬品の再利用、併用療法という4つの用途があります。
ML、DL、自然言語処理（NLP）、予測AI、予測モデリング、生成AIなどの技術は、科学文献、クレームデータ、電子カルテ（EHR）、バイオインフォマティクスデータなどの異なるソースからの大量のデータを分析することで、薬剤再利用に革命をもたらしています。これらの技術は、何百万ものデータポイントを分析することにより、分子レベルで薬物とタンパク質の相互作用を特定し、企業が異なる疾患の適応症に使用する医薬品を特定することができます。また、EHRやクレームデータを分析し、人々が適応外で使用している医薬品に関する情報を提供します。したがってAIは、創薬ターゲット、疾病メカニズム、そして企業が既存薬でターゲットにできる新規疾病のつながりを確立するのに役立ちます。臨床試験ではすでに安全性が確認されているため、これらの医薬品が患者に届くまでの時間が短縮されます。このプロセスは、他の治療選択肢がほとんどない、あるいは全くない希少疾病にとって特に有益です。
AIを活用したドラッグリパーパシングプロセスをスピードアップし、既存薬の新たな治療用途の可能性を明らかにします。このプロセスには、古い薬剤に関する利用可能なデータの不足や、リパーパシングされた薬剤を新たな疾患適応症に適用するためにはより多くの研究を実施する必要があるなどの課題があるが、AIはドラッグリパーパシングプロセスを大幅にスピードアップし、患者に新たな治療選択肢を提供することができます。
調査範囲
- 薬剤の再利用は、従来の創薬に比べ、スピードとコスト面で多くのメリットがあります。
- 本レポートでは、企業がAIを活用したドラッグリパーパシングのアーキテクチャ基盤として使用しているMLやディープラーニング（DL）などのさまざまな技術を取り上げています。
- 本レポートでは、希少疾患や代謝性疾患など、さまざまな疾患におけるAIベースの薬剤再利用の応用例を取り上げています。
- 本レポートは、業界で最も一般的なAI技術の情勢を示しています。
- この領域で事業を展開するバイオファーマとAI企業は、希少疾患開発に注力しています。
- 本レポートでは、この領域で事業を展開する業界の主な参加企業を取り上げています。
AIを活用したドラッグリパーパシングのセグメンテーション
薬剤中心のアプローチ
- 低分子化合物（本レポートでカバーする主要参入企業はすべて低分子化合物を扱っている）
疾患中心アプローチ
- がん領域
- 神経変性疾患
- 感染症
- 希少疾患
- 自己免疫疾患
- 代謝性疾患
AIを活用したドラッグリパーパシング促進要因
効率化の必要性
AI導入の増加
新たな脅威への対応の必要性
希少疾患のパイプラインの加速
AIを活用したドラッグリパーパシングの成長阻害要因
限られたデータ
AIモデルの解釈可能性
規制上の問題
高いインフラコスト
目次
戦略的課題
- なぜ成長が難しくなっているのか？
- The Strategic Imperative 8（TM）
- AIを活用したドラッグリパーパシング業界における戦略的課題トップ3のインパクト
- Growth Pipeline Engine（TM）を後押しする成長機会
- 調査手法
成長機会分析
- 分析範囲
- セグメンテーション
成長ジェネレーター
- イントロダクション
- 薬剤の再利用は従来の創薬よりも効率的
- AIを活用したドラッグリパーパシングが従来の創薬より優れている理由
- 成長促進要因
- 成長阻害要因
医薬品リパプシングを可能にするAIモデル
- AIを活用したドラッグリパーパシングの仕組み
- AIを活用したドラッグリパーパシングのアプローチ
- AIによる大規模データセットの解釈方法
- ドラッグリパーパシングの機会を決定するためのさまざまなタイプのデータを抽出するために利用可能な複数のデータソース
- ドラッグリパーパシングにおけるMLの活用法
- ドラッグリパーパシングにおけるDLの活用法
各疾患への適用
- AIを活用したドラッグリパーパシングの重点疾患領域
- 主要参入企業の臨床パイプライン分析
- 主要動向-AIを活用したドラッグリパーパシング
主要イノベーター-AIを活用したドラッグリパーパシング
- AIを活用したドラッグリパーパシングにおける主要参入企業
- 主要参入企業がAIを活用したドラッグリパーパシングに使用するAI技術の情勢
資金調達とパートナーシップ
- AIを活用したドラッグリパーパシングを促進する最近の資金調達
- AIを活用したドラッグリパーパシングを加速させる戦略的提携
成長機会ユニバース
- 成長機会1：共同研究環境
- 成長機会2：希少疾患への注力
- 成長機会3：適応拡大への注力
次のステップ
- 成長機会のメリットとインパクト
- 次のステップ
- 免責事項
AI-based Drug Repurposing is emerging as a new and faster approach to bringing drugs to patients.
This study analyzes the emergence of AI-based drug repurposing and examines the factors driving and hindering adoption. The limitation of traditional drug discovery has led to the growing interest in AI -based drug repurposing, which offers numerous advantages in terms of time, speed, and cost. AI-based drug repurposing has been explored across different disease indications, such as rare diseases, oncology, metabolic diseases, autoimmune diseases, and neurodegenerative diseases.
The study focuses on the different AI-technologies, such as machine learning, deep learning, and generative AI, and how they are enabling AI-based drug repurposing. In addition, the report looks at key participants involved in AI-based drug repurposing, including their AI approaches, disease focus areas, and future outlook. The study examines the key factors driving and restraining the growth of AI-based drug repurposing and identifies the growth opportunities emerging from the changes in this space that key participants and stakeholders can leverage.
Key Questions This Study Answers:
- What are the key drivers and restraints in the development of AI-based drug repurposing?
- What are the applications of AI-based drug repurposing across disease indication?
- What are the key trends in AI-based drug repurposing?
- Who are the key innovators, and what are their approaches to AI-based drug repurposing?
- What does the funding and partnership landscape look like?
AI-based Drug Repurposing Overview
Interest in drug repurposing has been increasing since the COVID-19 outbreak. Drug discovery is a time-consuming process that requires several stages, including target identification, lead identification, clinical studies, and approval. The process of bringing a drug to market can take 17 years, can cost $2 billion, and can fail at any stage in the clinical study. Drug repurposing, or drug repositioning, identifies novel therapeutic uses for already-approved drugs. This approach shortens the approval time, lowers the failure rate, and uses approved drug safety data and pharmacological profiles, thereby lowering development time and cost.
Drug repurposing has emerged as an appealing and successful strategy for finding novel therapeutic applications for already-approved medications. The shorter timeframe makes the approach attractive for pharmaceutical industries and patients. Almost 30% of repurposed medications eventually reach patients, which is a significant advance over the 10% success rate of conventional processes.
Drug repurposing has the following 4 applications: indication expansion, identification of new uses of drugs in different therapeutic areas, repurposing of failed or discontinued drugs, and combination therapies.
Technologies such as ML, DL, natural language processing (NLP), predictive AI, predictive modeling, and generative AI are revolutionizing drug repurposing by analyzing a large amount of data from different sources, such as scientific literature, claim data, electronic health records (EHRs), and bioinformatics data. These technologies can identify drug–protein interactions at the molecular level by analyzing millions of data points and identifying drugs companies’ use for different disease indications. They analyze EHRs and claim data to provide information on the drugs people use off-label. AI, therefore, helps establish connections between drug targets, disease mechanisms, and novel diseases that companies can target with established drugs. Clinical trials have already confirmed their safety, thus shortening the time these drugs take to reach patients. The process will be especially beneficial for orphan diseases with few or no other treatment options.
AI will speed up the drug repurposing process and uncover the additional potential therapeutic uses of existing drugs. While the process presents challenges, such as a lack of available data for older drugs and the necessity to conduct more studies to apply repurposed drugs for new disease indications, AI could significantly speed up the drug repurposing process, providing patients with novel therapeutic options.
Research Scope
- Drug repurposing offers numerous speed and cost benefits over traditional drug discovery.
- This report covers the different technologies, such as ML and deep learning (DL), that companies use as the architectural basis for AI-based drug repurposing.
- The report covers the applications of AI-based drug repurposing across different diseases, including rare and metabolic diseases.
- The report illustrates the landscape of the industry’s most common AI technologies.
- Biopharma and AI companies operating in this space focus on rare disease development.
- The report covers the industry’s main participants operating in the space.
AI-based Drug Repurposing Segmentation
Drug-centric Approach:
- Small Molecules (All main participants covered in this report are doing small molecules)
Disease-centric Approach
- Oncology
- Neurodegenerative diseases
- Infectious diseases
- Rare diseases
- Autoimmune diseases
- Metabolic diseases
AI-based Drug Repurposing Growth Drivers
Need for efficiency
Increased AI adoption
Need to address emerging threats
Accelerated pipeline for rare diseases
AI-based Drug Repurposing Growth Restraints
Limited data
Interpretability of AI models
Regulatory issues
High infrastructure costs
Table of Contents
Strategic Imperatives
- Why Is It Increasingly Difficult to Grow?
- The Strategic Imperative 8™
- The Impact of the Top 3 Strategic Imperatives on the AI-based Drug Repurposing Industry
- Growth Opportunities Fuel the Growth Pipeline Engine™
- Research Methodology
Growth Opportunity Analysis
- Scope of Analysis
- Segmentation
Growth Generator
- Introduction
- Drug Repurposing Is More Efficient than Traditional Drug Discovery
- How AI-based Drug Repurposing Is Superior to Traditional Drug Discovery
- Growth Drivers
- Growth Restraints
AI Models Enabling Drug Repurposing
- How AI-based Drug Repurposing Works
- AI-based Drug Repurposing Approaches
- How AI Interprets Large Datasets
- Multiple Data Sources Available to Extract Different Types of Data to Determine Drug Repurposing Opportunity
- How Companies Use ML in Drug Repurposing
- How Companies Use DL in Drug Repurposing
Application Across Disease Indications
- Disease Focus Areas for AI-based Drug Repurposing
- Clinical Pipeline Analysis of Key Participants
- Key Trends-AI-based Drug Repurposing
Key Innovators-AI in Drug Repurposing
- Key Participants in AI-based Drug Repurposing
- Landscape of AI Technologies Used by Key Participants for Drug Repurposing
Funding and Partnerships
- Recent Funding Promoting AI-based Drug Repurposing
- Strategic Collaborations Accelerating the Use of AI-based Drug Repurposing
Growth Opportunity Universe
- Growth Opportunity 1: Collaborative Environment
- Growth Opportunity 1: Collaborative Environment
- Growth Opportunity 2: Focus on Rare Diseases
- Growth Opportunity 2: Focus on Rare Diseases
- Growth Opportunity 3: Focus on Drug Indication Expansion
- Growth Opportunity 3: Focus on Drug Indication Expansion
Next Steps
- Benefits and Impacts of Growth Opportunities
- Next Steps
- Legal Disclaimer
