仿制药比同类新药需要更少的研发。用于研发的AI应用似乎并不是仿制药公司最突出的解决方案。尽管缺乏优先级，但AI可能在很多领域可以帮助仿制药公司。
本文讨论了仿制药行业中人工智能的可能实现，如
查找生物仿制药：预测分析和自然语言处理，用于搜索药物的数据库，以查找科学家可用于生产仿制药的相似化合物；
研究药物化合物的晶体结构： 预测分析，用于确定化合物的形状对某些制造方法和其他药物开发过程的反应；
盐和多晶型物筛选：用于确定化合物溶解度的机器学习，以确保其随时间推移保持其有效性。
寻找生物仿制药
预处理药物数据
仿制药公司可能会使用AI寻找原研药的替代品，也称为生物仿制药。这些公司可能拥有庞大的现有药物和化学数据数据库，但是在通过机器学习算法学习数据之前，可能需要对其进行处理和标注。仿制药必须具有与对应品牌药物相似的内容。因此，这些药物的数据可能会根据其溶解度，晶体结构的形状以及算法可用于将药物与品牌对应物相关联的其他数据点进行标注。
来自高级显微镜的图像数据需要根据AI算法在这些图像中进行搜索的方式进行电子标注。例如，需要根据分子结合的位置和结构的形状来标记形成晶体结构的药物化合物的显微图像。
临床试验数据通常由进行实验的科学家写在实验记录中。这些说明包括有关患者使用药物的经历，药物如何影响他们的疾病以及他们可能遭受的任何副作用的详细信息。一些患者数据可能已经被IDC-10代码标记。这有助于仿制药公司找出哪些临床试验患者是给定药物预期行为的良好代表。这使该公司可以为测试其通用版本争取切实的成果。
分离生物仿制药的自然语言处理
从理论上讲，药物科学家可以在AI软件中搜索原创药物化合物，然后该软件将返回生物仿制药。然后，可以使用这些生物仿制药生产仿制药。
例如，基于自然语言处理的药物发现应用程序通常用于筛选大量的临床试验记录或电子病历。然后，该应用程序可以向用户提供公司拥有的有关给定化合物的所有数据。这可以帮助仿制药公司缩小其已知化合物的范围，从而找到特定原创药品中最具潜力的生物仿制药。
仿制药公司能够使用这些应用程序来发现生物仿制药。然后，该公司只需测试软件发现与该公司正在为其制造仿制药的原创药最接近的那些化合物。
供应商态势：BioSymetrics
BioSymetrics为生物医学和医疗保健公司提供数据组织，标记和清理服务。该数据可能包括图像、地理位置统计数据、流数据以及先前发现的化合物特征。据称，该公司的机器学习平台Augusta可以从MRI识别医学成像数据，并从EKG扫描识别数值数据。
人工智能集成注意事项
寻找药物替代品的AI应用可能需要比他们最初期望的更深入地集成到客户公司的工作流程和系统中。腾讯医疗大数据实验室总监Chenzhigang 谈了如何应对将AI应用于医疗行业的挑战。
技术与技术公司所能提供的东西，行业需要的东西或现实问题之间的需求之间存在很大的差距。以医疗为例。人工智能提出了很多疯狂的期望；但是，发生的事情是当人们尝试应用模型，应用AI系统时，在现实世界中，效果并不理想。
其次，当技术领域的工作人员与医疗保健行业的人交谈时，发现不匹配。技术人员以为正在尝试解决医疗保健行业的问题，但是他们说：“不，不，不。这不是他们想要解决的问题。
研究药物的晶体结构
一些制药公司使用AI软件研究固体化合物的晶体结构。需要将药物分子名称连接到其固体形式的晶体形状的数据进行预测分析算法的训练。药物化合物的晶体结构可能会影响药物的生产方式。这是因为晶体结构可能无法与药丸或液体药物中的其他成分发生良好反应。
仿制药公司可以通过使用这种应用来确定其生物仿制药的晶体结构来利用这种应用。可以帮助他们生产出具有不分解和保持效力所需的结构完整性的药物。
但是，为在分子水平上分析药物的机器学习模型找到有用的训练数据可能会对仿制药公司构成挑战。这是因为可能无法与医疗保健公司或可能拥有可使用数据的其他公司建立合作关系。
盐和多晶型筛选
为新产品选择合适的生物仿制药时，仿制药公司可能希望查找有关药物溶解度的信息。该信息来自有关药物的晶体结构在浸入溶剂（例如水）中或摄入时如何分解的数据。
查找此类信息的应用程序通常是预测分析应用程序。这是因为他们能够基于有关过去的药物、分子和与过去的临床试验研究有关的大型数据库，对生物仿制药的溶解度做出预测。
一些AI供应商声称，他们的解决方案可以分析生物仿制药上的大量信息，以揭示有关其化学特性的信息，例如化合物的溶解度以及不同制造方式时的形状。预测性分析解决方案可以分析数千种化合物的研究数据，以获得有关化合物溶解度的相关数据点，包括该化合物在各种状态下可能采取的任何先前发现的化学反应或形状。
可能有助于确定仿制药的许多重要因素，包括原始药物中的活性化合物如何以不同的方式反应进行加工和生产。另外，这些类型的应用可以揭示药物的溶解性，以及化合物在溶解时是否仍然有效。
目前找不到任何显示仿制药公司通过供应商软件获得成功的结果。此外，找不到任何将这些类型的软件出售给仿制药公司的AI供应商的案例研究。
也许最明显的原因是，这些公司正在处理的药物通常都经过了充分的研究，并且在生产过程中，生物仿制药的波动不会太大。但是，这也可能是因为仿制药公司将其他领域的创新放在优先地位。
