瑞康公布人工智慧賦能的藥物發現策略

AI 策略執行摘要

Recursion Pharmaceuticals 的高階主管在摩根士丹利網路廣播中，詳細介紹了該公司由人工智慧驅動的藥物發現平台。執行長 Najat Khan 和財務長 Ben Taylor 解釋了這項技術如何加速靶點識別、分子設計和臨床開發，顯著縮短了傳統研究的時間表。

平台概述與功能

Recursion 結合機器學習與實驗生物學來繪製基因擾動圖譜。其中一項繪圖計畫成功地同時識別了 25 個新的藥物靶點。在分子設計方面，該公司在 17 個月內僅設計了 330 個分子，就將一種化合物推進到臨床試驗階段，這與業界通常需要數年時間設計 2,500 到 5,000 種化合物的常態形成鮮明對比。

經濟與臨床影響

該公司的人工智慧驅動方法已將臨床試驗的患者招募速度加快了 30% 到 50%。管理層預計，透過改進動物試驗和相關製造控制的預測模型，將節省數百萬美元，這些成本約佔早期開發成本的一半。該平台由 65 PB 的實驗數據支持，其中包括 40 PB 的專有數據。

展望與市場背景

Recursion 的策略直接針對產業效率低下的問題，其中臨床開發消耗了 70% 的資金，而現有藥物僅能解決人類基因組的 10%。該公司旨在透過其預測性、以數據為中心的模型，使藥物開發更快、更具資本效率。

常見問題

問： Recursion 的 AI 如何加速藥物發現？
答： 它能快速識別多個新靶點，以更少的迭代次數設計出有效的分子，並將臨床試驗患者招募速度提高達 50%。

問： Recursion 使用的數據規模有多大？
答： 該公司的平台由 65 PB 的實驗數據驅動，其中包含 40 PB 的專有數據和 25 PB 來自主要合作夥伴的數據。

來源: Investing.com