人工智慧的快速發展趨勢銳不可當，國際大藥廠運用人工智慧處理大數據，快速發展精準醫療，為醫療產業開創一個嶄新的格局。

自2010年以來，全球12家大藥廠的上市藥物開發成本暴增33％，藥物原須經過漫長過程，其間歷經研究、測試和審批，費時往往逾十年。據Tufts藥物發展研究中心指出，一款新藥從IND到通過審批，平均費時96.8個月。加上，新藥的開發過程中，各階段的成功率都相當低，面對如此巨大的風險，近幾年來興起的人工智慧，為新藥研發開啟一個新契機。

美國默克公司2012年就與數據科學公司Kaggle合作，開始測試人工智慧在製藥領域的應用，並與舊金山新創公司Atomwise合作，Atomwise利用人工智慧技術，對現有的7,000多種藥物在一天內分析測試，2015年就曾幫助該公司研發出兩種新藥，緩解了伊波拉病毒疫情。若以傳統方法，這項分析需要數月甚至數年才能完成。

波士頓生物製藥公司Berg Health，通過人工智慧分析患者的生物數據，找出某些患者能從疾病中痊癒的原因，並以此改進現有的療法和進行新藥的研發。在疾病診斷和療程管理等方面，IBM Watson與紐約癌症治療中心合作，分析了過去幾十年來的癌症患者及其治療方案數據，為醫生提供特殊病例的有效治療方案。強生公司於2016年底宣布與英國新創公司BenevolentAI合作，透過後者所開發JACS判斷加強認知系統，來協助臨床試驗的進行和數據的收集，以避免代價高昂的臨床試驗失敗。

在改善診斷（Enlitic，DeepMind Health）、醫療用影像診斷（Zebra MedicalVision，Bay Labs）、基因組醫學（Deep Genomics）等領域，甚至已利用人工智慧來治療抑鬱症、焦慮等疾病，應用機器學習與人工智慧結合在醫療領域的成功範例愈來愈多。

人工智慧於醫療產業的跨領域結合，將可為藥物研發、新疾病的診斷和控制及個人基因三大領域，帶來許多助益，其中又以降低藥物研發的風險為主。

2016年年底，美國高盛集團發表一份人工智能報告，認為透過兩者的整合，到2025年，全球製藥行業每年約可節省260億美元。機器學習和人工智能可以將新藥研發過程中的風險減半。

今年1月於瑞士達沃斯的世界經濟論壇上，多位與會的重量級人物一致認為，人工智慧將可有效降低新藥開發風險及解決醫療人力不足的難題。中國大陸最近召開的「十三五計劃大會」也將人工智能與生物製藥等技術研發和轉化，列為未來戰略重點新興產業發展。人工智慧可在短時間內處理以前一輩子都無法處理的巨量數據資料（病歷、診斷記錄、醫學影像和治療方案），並從中學習和識別出疾病的模式和規律。

不過，現階段人工智慧的應用，仍然存在許多挑戰，包括建置成本、人才、政府政策支持以及與巨量數據庫的對接。2013年，Google支付了超過4億美元收購了DeepMind Technologies，DeepMind正與英國國民健康服務NHS合作開發一款監測腎臟疾病患者的App，以及一個診斷決策平台。但任何系統的關鍵都在於是否具有巨量的數據資料，因此DeepMind和NHS達成了一個數據共享協議，NHS將為DeepMind提供動態的資訊流和歷史數據，以用於訓練DeepMind的演算。因為只有取得巨量數據，才有可能對臨床數據進行即時分析，人工智慧技術也才能發揮作用。去年2月IBM更以26億美元收購了一家健康分析公司Truven Health，目的是獲取這家公司巨量數據。最近又與Medtronic合作，藉由獲得其數據以拓展IBM Watson在糖尿病方面的分析能力。

根據工研院產經中心預估，2015年全球精準醫療市場規模約389億美元，預估至2020年可達695億美元，2015-2020年複合成長率為12.3%。而推進精準醫療的高速成長，其中不可或缺的即是人工智慧等技術的支持。

生物製藥業即將進入全新時代，誰擁有數據平台並且進行跨領域的整合，才會是這場創新轉型大戰最後的贏家。（本文是鑽石生技投資分析室提供）