仿制藥比同類新藥需要更少的研發。用于研發的AI應用似乎并不是仿制藥公司最突出的解決方案。盡管缺乏優先級，但AI可能在很多領域可以幫助仿制藥公司。
本文讨論了仿制藥行業中人工智能的可能實作，如
查找生物仿制藥：預測分析和自然語言處理，用于搜尋藥物的資料庫，以查找科學家可用于生産仿制藥的相似化合物；
研究藥物化合物的晶體結構： 預測分析，用于确定化合物的形狀對某些制造方法和其他藥物開發過程的反應；
鹽和多晶型物篩選：用于确定化合物溶解度的機器學習，以確定其随時間推移保持其有效性。
尋找生物仿制藥
預處理藥物資料
仿制藥公司可能會使用AI尋找原研藥的替代品，也稱為生物仿制藥。這些公司可能擁有龐大的現有藥物和化學資料資料庫，但是在通過機器學習算法學習資料之前，可能需要對其進行處理和标注。仿制藥必須具有與對應品牌藥物相似的内容。是以，這些藥物的資料可能會根據其溶解度，晶體結構的形狀以及算法可用于将藥物與品牌對應物相關聯的其他資料點進行标注。
來自進階顯微鏡的圖像資料需要根據AI算法在這些圖像中進行搜尋的方式進行電子标注。例如，需要根據分子結合的位置和結構的形狀來标記形成晶體結構的藥物化合物的顯微圖像。
臨床試驗資料通常由進行實驗的科學家寫在實驗記錄中。這些說明包括有關患者使用藥物的經曆，藥物如何影響他們的疾病以及他們可能遭受的任何副作用的詳細資訊。一些患者資料可能已經被IDC-10代碼标記。這有助于仿制藥公司找出哪些臨床試驗患者是給定藥物預期行為的良好代表。這使該公司可以為測試其通用版本争取切實的成果。
分離生物仿制藥的自然語言處理
從理論上講，藥物科學家可以在AI軟體中搜尋原創藥物化合物，然後該軟體将傳回生物仿制藥。然後，可以使用這些生物仿制藥生産仿制藥。
例如，基于自然語言處理的藥物發現應用程式通常用于篩選大量的臨床試驗記錄或電子病曆。然後，該應用程式可以向使用者提供公司擁有的有關給定化合物的所有資料。這可以幫助仿制藥公司縮小其已知化合物的範圍，進而找到特定原創藥品中最具潛力的生物仿制藥。
仿制藥公司能夠使用這些應用程式來發現生物仿制藥。然後，該公司隻需測試軟體發現與該公司正在為其制造仿制藥的原創藥最接近的那些化合物。
供應商态勢：BioSymetrics
BioSymetrics為生物醫學和醫療保健公司提供資料組織，标記和清理服務。該資料可能包括圖像、地理位置統計資料、流資料以及先前發現的化合物特征。據稱，該公司的機器學習平台Augusta可以從MRI識别醫學成像資料，并從EKG掃描識别數值資料。
人工智能內建注意事項
尋找藥物替代品的AI應用可能需要比他們最初期望的更深入地內建到客戶公司的工作流程和系統中。騰訊醫療大資料實驗室總監Chenzhigang 談了如何應對将AI應用于醫療行業的挑戰。
技術與技術公司所能提供的東西，行業需要的東西或現實問題之間的需求之間存在很大的差距。以醫療為例。人工智能提出了很多瘋狂的期望；但是，發生的事情是當人們嘗試應用模型，應用AI系統時，在現實世界中，效果并不理想。
其次，當技術領域的從業人員與醫療保健行業的人交談時，發現不比對。技術人員以為正在嘗試解決醫療保健行業的問題，但是他們說：“不，不，不。這不是他們想要解決的問題。
研究藥物的晶體結構
一些制藥公司使用AI軟體研究固體化合物的晶體結構。需要将藥物分子名稱連接配接到其固體形式的晶體形狀的資料進行預測分析算法的訓練。藥物化合物的晶體結構可能會影響藥物的生産方式。這是因為晶體結構可能無法與藥丸或液體藥物中的其他成分發生良好反應。
仿制藥公司可以通過使用這種應用來确定其生物仿制藥的晶體結構來利用這種應用。可以幫助他們生産出具有不分解和保持效力所需的結構完整性的藥物。
但是，為在分子水準上分析藥物的機器學習模型找到有用的訓練資料可能會對仿制藥公司構成挑戰。這是因為可能無法與醫療保健公司或可能擁有可使用資料的其他公司建立合作關系。
鹽和多晶型篩選
為新産品選擇合适的生物仿制藥時，仿制藥公司可能希望查找有關藥物溶解度的資訊。該資訊來自有關藥物的晶體結構在浸入溶劑（例如水）中或攝入時如何分解的資料。
查找此類資訊的應用程式通常是預測分析應用程式。這是因為他們能夠基于有關過去的藥物、分子和與過去的臨床試驗研究有關的大型資料庫，對生物仿制藥的溶解度做出預測。
一些AI供應商聲稱，他們的解決方案可以分析生物仿制藥上的大量資訊，以揭示有關其化學特性的資訊，例如化合物的溶解度以及不同制造方式時的形狀。預測性分析解決方案可以分析數千種化合物的研究資料，以獲得有關化合物溶解度的相關資料點，包括該化合物在各種狀态下可能采取的任何先前發現的化學反應或形狀。
可能有助于确定仿制藥的許多重要因素，包括原始藥物中的活性化合物如何以不同的方式反應進行加工和生産。另外，這些類型的應用可以揭示藥物的溶解性，以及化合物在溶解時是否仍然有效。
目前找不到任何顯示仿制藥公司通過供應商軟體獲得成功的結果。此外，找不到任何将這些類型的軟體出售給仿制藥公司的AI供應商的案例研究。
也許最明顯的原因是，這些公司正在處理的藥物通常都經過了充分的研究，并且在生産過程中，生物仿制藥的波動不會太大。但是，這也可能是因為仿制藥公司将其他領域的創新放在優先地位。