生成式AI的集成正在通过改变药物发现的方法来变革制药行业。总部位于英国的技术驱动型药物设计和开发公司Exscientia致力于为患者更快地创造更有效的药物。该公司已与亚马逊网络服务（AWS）合作，开发了一个创新平台，加速设计-制造-测试-学习（DMTL）周期，为医药领域的成本效益和创新设定新的标准。
问题陈述
药物发现是一个漫长且成本高昂的过程，通常需要长达15年的时间，开发成本超过20亿美元。这一挑战进一步加剧的是高失败率，范围从90%到96%。这一显著的流失率主要是由于筛选10^60种生物可利用的小分子以确定可行候选物的艰巨任务。鉴于这些挑战，Exscientia需要解决以下问题：
- 加速药物发现时间表。
- 减少化学合成和实验测试的成本。
- 提高识别有效药物候选物的成功率。
解决方案的整合
Exscientia与AWS合作，在公司的设计-制造-测试-学习（DMTL）周期中引入了生成式AI和机器人技术。该解决方案包括：
- 计算机辅助设计：利用AWS支持的生成式AI算法，Exscientia在云中设计药物候选物，并在物理合成前预测其安全性和有效性。
- 自动化机器人：Exscientia在其实验室中使用先进的机器人系统，由AWS微服务协调，实现化合物合成的无人干预，从而实现24/7运行。
- 主动学习算法：来自患者组织样本、基因组等的数据被处理，以在迭代周期中优化化合物设计。
产品介绍
Exscientia的DMTL平台是基于AWS的生成式AI解决方案，建立了一系列目标产品配置文件。这确保所有药物候选物都精确定义，满足必要的治疗要求。该平台采用合成意识方法，专注于设计仅能物理合成的化合物，有助于减少不必要的实验。它集成了基于云的数据分析以进行迭代学习和优化，生成式AI用于化合物设计，自动化机器人用于快速合成。这些元素共同创建了一个创新且高效的药物发现解决方案。
整合后的结果
Exscientia通过以下方式实现了高效率和成本节约：
- 时间效率：药物设计时间表加速了高达70%，使临床试验的进展更快。
- 成本效率：与行业标准相比，公司减少了80%的资本支出。
- 准确性提升：通过设计比行业平均水平少10倍的化合物，Exscientia优化了资源并最小化了化学风险。
- 临床影响：已有六种由AI设计的分子进入临床试验，这不仅树立了速度和创新的标杆，还设定了新的标准。
公司简介
Exscientia：
Exscientia是一家总部位于英国的技术驱动型制药公司，致力于在更短的时间内为患者设计和开发药物。该公司通过结合现代AI算法与实验室自动化，打破DMTL周期，使药物发现既高效又有效。
Amazon Web Services (AWS)：
AWS是领先的云计算平台，提供先进的工具和技术以支持创新。其AI驱动的解决方案帮助Exscientia在药物发现中实现运营效率和可扩展性。
结论
通过与AWS的合作，Exscientia体现了生成式AI在医疗保健领域的转型潜力。在成本节约、加速时间表和药物候选质量方面取得成功的同时，Exscientia进一步提高了制药行业的创新标准。
(全文结束)
