高額な医薬品費は経済に悪影響を及ぼしており、これを解決するには、医療バリューチェーン全体にわたる取り組みが必要です。
大きな要因となっているのは、医薬品開発の高コストと、ヒトへの試験段階に進んだ医薬品における臨床試験の高い失敗率です。
自然は、臨床試験で成功する可能性がより高い医薬品の供給源ですが、トップクラスの製薬会社でこの資源を活用している企業はほとんど、あるいは皆無です。
処方薬の高額な費用のため、世界中の何百万人もの患者が必要な医薬品を購入することに苦労しています。実際、驚くべきことに、アメリカ人の33%が、高額な自己負担費用。
この現実がもたらす悪影響は、患者本人にとどまらず、経済や医療制度にも及んでいます。患者が医薬品の服用を控えると、症状が悪化する可能性が高まり、救急や緊急の治療、入院が必要になります。これらは予防的または定期的な治療より高額になることが多く、すでに逼迫している病院システム。これにより、医薬品の服薬不遵守に起因して、アメリカの医療制度には合計5,000億ドルの費用が生じています。服薬不遵守。
経済へのさらなる負担は、従業員が必要な医薬品を購入できないために体調を崩し、労働者の生産性が低下して欠勤が増えるという形で生じます。これによりアメリカの企業は年間2,258億ドル、イギリスの企業は年間1,000億ポンドの損失を被っています。
医薬品の高コストは世界経済に悪影響を及ぼしており、処方薬価格を引き下げるためには、医療バリューチェーン全体にわたる取り組みが必要です。
医薬品開発
処方薬の高コストの要因は何でしょうか。医薬品開発および商業化のバリューチェーン全体にわたって様々な要因がありますが、ここでは医薬品開発に焦点を当てます。
大きな要因は2つあります。1つは、長期間かつ多額の費用を要する取り組みである医薬品開発に伴う高コストです。もう1つは、ヒトへの試験段階に進んだ医薬品における臨床試験の高い失敗率です。
医薬品が前臨床試験から最終的な承認に至るまでには、12年以上、20億ドル以上を要することがあります承認。医薬品開発企業は、医薬品が市場に無事投入された際に、これらの費用を回収しようとする場合があります。さらに、臨床試験に進む医薬品のうち、アメリカ食品医薬品局（FDA）による承認を得られるのは12%未満であり、企業は臨床試験に最大3億7,500万ドルを費やすことがあります1医薬品あたり。そのため、医薬品開発企業は、臨床試験で失敗した事業で失われた資金を補うために、承認された医薬品の価格も引き上げており、その結果、患者や支払者に転嫁される処方薬価格が上昇しています。
こうした課題は、医薬品開発業界に新たな使命をもたらしています。それは、患者にとってより効果が期待できる医薬品を発見し、臨床試験の失敗による資金の損失を減らすことです。医薬品価格には開発費以外にも多くの要因がありますが、この使命を達成する企業は、医薬品開発プロセスにおける業務および資本の効率性により、患者により安価な医薬品を提供できる可能性があります。
皮肉なことに、臨床試験で成功する可能性がより高い医薬品の供給源が存在するにもかかわらず、ほとんど、あるいは皆無の上位25社の製薬企業が、医薬品開発においてこの資源、すなわち自然を活用していません。
医薬品としての自然
なぜ自然なのでしょうか。人類は何千年にもわたって自然を医薬品として利用してきており、科学者たちも新薬の発見のために長年にわたり自然に目を向けてきました。例えば、多くの抗生物質は微生物に由来しており、世界で最も広く使用されている市販薬の一つであるアスピリンは、ヤナギの木に由来しています。今日でも、FDAに承認された新規分子実体の30%以上が、微生物や植物の種に直接由来するか、それらに着想を得たものです。
最近の分析では、自然に由来する、または自然に着想を得た医薬品は、臨床試験を通過しやすいことも示されています。新薬の原材料としての自然の明らかな価値にもかかわらず、現代の創薬において自然は十分に活用されていません。その理由の一部は、従来、自然から新規分子を特定するには、まず生物内の他のすべての分子からその分子を分離し、高純度の試料を作製する必要があったことにあります。その試料は、組成や構造を特定するために、核磁気共鳴（NMR）などの複雑な科学実験や機器を用いて検査されていました。しかし、多くの科学分野と同様に、人工知能（AI）と機械学習（ML）が、このパラダイムを根本から覆しつつあります。
産業界の科学者たちは、AI、ML、およびメタボロミクス（生体試料中の代謝物や低分子の研究）を活用し、自然由来の創薬を進める上で進歩を制限してきた従来のボトルネックの解消に取り組んでいます。創薬および医薬品開発プロセスにAI/MLを導入したことで、多くの下流の利点をもたらす新技術が生まれています。これらの利点には、ヒトにおいてより効果が期待できる医薬品の発見や、研究開発期間の短縮が含まれます。研究開発期間の短縮により、医薬品をより早く患者に届けられる可能性があり、研究開発費の削減によって、患者の負担も軽減されることが期待されます。
Envedaは、自然由来の医薬品の発見と開発を加速させ、より迅速に患者に医薬品を届けるために、メタボロミクスにおけるAI/MLの有用性を実証している臨床段階のバイオテクノロジー企業です。当社は、複雑な生体混合物中のすべての代謝物の構造と特性を予測する独自のアルゴリズムを開発し、治療上最も有望な分子の特定につなげています。このプロセスにAIを組み込むことで、資本と業務の効率を最大化し、シード資金調達からわずか4年で10の開発候補を創出しました。これは業界平均の4倍の速さです。自然に着想を得た創薬にAI/MLを統合した結果、業界平均よりも迅速、低コスト、かつ高品質な有望候補医薬品を開発でき、新薬をより早く、より低いコストで患者に届けることが可能になります。
自然からの医薬品発見にAI/MLを応用しているもう一社は、イギリスのバイオテクノロジー企業であるBasecamp Researchです。Basecamp Researchは、氷冠から隠れたジャングルの洞窟に至るまで、様々な場所で自然界からデータを収集し、有益な特性を持つタンパク質の特定を目指しています。同社のデータセットは、自然の集合知を理解・再現し、異なるタンパク質の生物学的構造間の、これまで知られていなかった関係性を明らかにすることを目指しています。
産業界の科学者たちがAI/MLを研究に取り入れ続けることで、これまで自然からの医薬品発見を制限してきた従来のボトルネックを克服することができます。
自然界に存在する分子のうち、臨床試験で成功する可能性がより高い分子群からの医薬品発見をAI/MLで加速させることにより、医薬品価格を引き下げ、何百万人もの患者から高額な医療費の負担を取り除くことができます。
