通用的药品需要更少的研究和开发比他们的品牌名称同行。其结果是，人工智能的应用研究和开发似乎并没有成为仿制药企业最突出的解决方案。这就是说，尽管缺乏优先，人工智能可能在许多领域帮助仿制药公司报复。
在这篇文章中，我们将讨论人工智能在仿制药行业的可能性，比如:
- 发现药物生物仿制药品:预测分析和自然语言处理通过搜索数据库的名牌药物化合物，以找到类似的化合物，科学家可以用来制造仿制药
- 药物复合晶体结构研究:用于确定如何化合物的形状，将要制造和其它药物开发过程的某些方法中反应的预测分析
- 盐与变形筛选:机器学习用于测定一种化合物的溶解度，以确保它在一段时间内保持其有效性
我们从预测分析如何帮助仿制药公司找到生物仿制药开始了对人工智能的探索:
发现药物生物仿制药
人工智能的药物数据预处理
仿制药企业可能会使用AI为寻找替代品牌药，也称为生物仿制药。这些公司可能有一个现有药物和化学数据的大型数据库但这些数据可能需要经过处理和标记，然后才能通过机器学习算法运行。仿制药需要与品牌药有相似的成分。因此，这些药物的数据可能会根据他们的标签溶解度，它们的制造的反应，它们的结晶结构体的形状，及其它数据点的算法可能使用到药物到品牌名称的对应关联。
来自先进显微镜的图像数据需要电子基于什么公司拟人工智能算法来搜索这些图片中标记。例如，在形成一个晶体结构的药物化合物的显微图像将需要根据其中分子结合和结构的形状来进行标记。
临床试验数据被科学家进行实验通常写在实验室记录。这些注意事项包括有关使用药物，它如何影响他们的疾病，他们可能遭受任何副作用的患者经历的细节。一些病人的数据可能已经用IDC-10代码标记了。这有助于仿制药公司区分哪些临床试验患者是特定药物预期行为的良好代表。这使得公司可以为测试他们的通用版本而取得切实的成果。
用于分离生物仿制药的自然语言处理
从理论上讲，制药科学家可以在人工智能软件中搜索一种品牌药物化合物，该软件将返回生物仿制药。然后他们可以使用这些生物仿制药来生产一种仿制药。
提供基于自然语言处理药物发现例如，应用程序通常用于筛选大量的临床试验记录或电子医疗记录。然后，该应用程序可以向用户提供该公司拥有的关于给定化合物的所有数据。这可能有助于非专利药公司缩小其已知化合物的范围，以找到某种特定品牌药最有效的生物相似性。
仿制药企业可能能够使用这些应用程序来发现生物仿制药。然后，公司将只需要对软件进行测试发现是最接近于该公司正在一个通用的一个名牌药物的化合物。
自动售货机景观:BioSymetrics
BioSymetrics为生物医学和医疗保健公司提供数据组织、标记和清洗服务。该数据可能包括图像，geolocational统计数据，流数据，和先前发现的化合物的特性。该公司的机器学习平台，奥古斯塔，可以声称来自EKG扫描识别来自核磁共振和数字数据的医学成像数据。它也可以据称提取电子病历信息。下面是数据奥古斯塔可以工作，根据公司网站的完整列表：
奥古斯塔使用预测分析来确定药物化合物是否会结合，以及其他用例，这可以帮助非专利药公司确定他们发现的生物仿制药是否可以结合起来制造非专利药。
BioSymetrics声称其平台在药物发现，临床试验的优化，以及精密医疗用途。这就是说，他们没有列表声称一家制药公司与他们的软件的成功案例。他们这样做，但是，采用首席科学官拥有分子遗传学博士学位。该公司聘用了几位在类似领域拥有博士学位的数据科学家。这对公司的客户来说是个好兆头;BioSymetrics是更有可能是人工智能比许多AI供应商提供的机器学习制药公司。
人工智能集成方面的考虑
AI应用寻找可能需要更深入地集成到客户公司的工作流程和系统比他们预计第一药物的替代品。我们采访了中国陈他是腾讯(Tencent)医疗大数据实验室(Healthcare Big Data Lab)主任，研究如何应对将人工智能应用到医疗行业的挑战。陈先生说:
技术和技术公司所能提供的，行业所需要的，或者现实世界的问题所需要的之间有很大的差距。以医疗保健为例。人工智能带来了很多疯狂的期望。但是，当人们试图应用模型，应用人工智能系统时，在现实世界中，效果不是很好。这是一个。
第二，通常当我们，作为在技术领域工作的人与你们，医疗行业的人交谈时，我们会发现不匹配。我们以为我们是在试图解决他们的问题，但他们说，“不，不，不。这不是我们想要解决的问题。我们还有其他的问题。“在优先级方面存在不匹配。
陈强调了AI公司和他们所服务的公司之间的优先级的差别。仿制药公司，员工在公司内部的数据科学家和主题专家知道如何说话就是我们所说的“数据科学的语言”，可以发现他们有更平滑的AI集成周期。
研究药物的复合晶体结构
一些制药公司使用人工智能软件来研究药物固体时的晶体结构。需要训练一种预测分析算法，将药物分子的名称与其固体形态的晶体形状联系起来。药物化合物的晶体结构会影响药物的生产。这是因为晶体结构可能无法与药片或液体药物中的其他成分很好地反应。
仿制药公司可以利用这类应用来确定其生物仿制药的晶体结构。这可能有助于他们生产的药物具有结构完整性，它需要不打破和保持有效。
然而,为在分子水平上分析药物的机器学习模型寻找有用的训练数据可能对仿制药公司构成挑战。这是因为他们可能无法获得与医疗保健公司或其他公司的合作关系，而这些公司可能拥有他们可以使用的数据。
盐和多形态筛选
在为新产品选择合适的生物相似物时，仿制药公司可能希望找到有关药物溶解度的信息。这些信息来自于有关药物的晶体结构在浸入水等溶剂或摄入时如何分解的数据。
寻找这类信息的应用程序通常是预测分析应用程序。这是因为他们能够根据过去药物、分子和与过去临床试验相关的研究的大型数据库，对生物相似物的溶解度进行预测。这有可能通过收集洞察力来提高发现可行生物仿制药的效率，而这些洞察力通常是非常耗时合成的。
一些人工智能供应商声称，他们的解决方案可以分析生物仿制药的大量信息，以揭示它们的化学特性，比如化合物的溶解度，以及它们在以不同方式制造时的形状。一个预测分析的解决方案可以分析客户研究数据的数千个化合物的相关数据点的化合物的溶解度。这包括任何以前发现的化学反应或化合物在物质的不同状态下的形状。
Xtalpi声称他们提供了一款可以分析分子并在数据库中搜索晶体结构的软件。下图显示了他们的软件是如何做到这一点的:
这可能有助于确定仿制药的许多重要因素，包括原药中的活性化合物在加工和生产过程中的不同反应。此外，这些类型的应用可以揭示药物的溶解度，以及该化合物在溶解时是否保持有效。
我们找不到任何结果显示仿制药公司的成功与供应商的软件。此外，我们无法找到任何人工智能供应商向仿制药公司销售这些类型的软件的案例研究。
也许最明显的原因是这些公司经营的药物通常都经过了充分的研究，而生物仿制药在生产过程中往往不会太不稳定。然而，这也可能是因为仿制药公司正在优先考虑其他领域的创新，比如白领自动化。
值得注意的是，我们的研究也没有发现很多顶尖的仿制药公司利用人工智能的证据。这种普遍缺乏采用的情况可能表明，名牌制药工业对这些创新有更实际的用途，并有进一步整合和发展这些创新的手段。
我们采访了Abinash Tripathy创始人和CSO Helpshift，大约企业采用人工智能解决方案的挑战。当我们问他来自全球顶级企业的创新将如何找到自己的方式，以更多的企业，Tripathy说，
现在什么创业公司会做和我们一样，他们基本上会采取所有这些算法，获得抽出，并找出如何将它们应用到具体的业务情况，所以它是人工智能的应用。所以我把它应用于人工智能。因此，创业公司最你会看到出现将只是应用AI公司。他们不会是核心AI公司。
至于制药行业，我们可以推断，与AI初创公司工作时，普药将在很大程度上利用应用人工智能技术。此外，他们可能不会看到在内部开发的AI解决方案，直至更名的品牌公司有自己专有的AI平台和商业基础设施。
标题图片来源:Monicakrish
