تحول دیجیتال صنعت داروسازی از مسیر نوآوری‌های باز و هوش مصنوعی عبور می‌کند

به گزارش پیوست مدتی است که مراکز نوآوری در صنایع دارویی فعال‌تر از گذشته عمل می‌کنند؛ این مراکز همیشه واحدهای تحقیق و توسعه (R&D) داشته‌اند، اما اکنون حضور و فعالیت آنها محسوس‌تر و پررنگ‌تر شده است و حضور فناوری‌های نوین مانند هوش مصنوعی و بلاک‌چین رنگ و لعاب تازه‌ای به آنها بخشیده است.

امیرحسین کارآگاه، مدیرعامل مرکز نوآوری کوبل، درباره تحول رویکرد نوآوری در صنعت داروسازی می‌گوید: «باید موضوع را از دو منظر بررسی کنیم، در گذشته شرکت‌ها بیشتر بر نوآوری بسته (Closed Innovation) متکی بودند. در این مدل، شرکت‌ها صرفاً با تکیه بر واحدهای تحقیق و توسعه داخلی خود کار می‌کردند. این روند همچنان در بسیاری از شرکت‌های داروسازی کشور ادامه دارد.اما طی ۱۰ سال اخیر، رویکرد نوآوری باز (Open Innovation) پررنگ‌تر شده است. در این مدل، شرکت‌ها صرفاً به توان داخلی خود متکی نیستند و از ظرفیت دانشگاهیان، فارغ‌التحصیلان، استارت‌آپ‌ها و شرکت‌های دانش‌بنیان بهره می‌گیرند. این همکاری باعث می‌شود توسعه دانش و فناوری سریع‌تر و با هزینه کمتر انجام شود.»

طبق گفته او به این ترتیب، اگر یک شرکت داروسازی به فناوری تازه‌ای نیاز داشته باشد، الزاماً نباید زیرساخت داخلی ایجاد کند. می‌تواند با استارت‌آپ‌ها یا دانشگاه‌ها وارد همکاری شود، پروژه‌ای مشترک تعریف کند و پس از دستیابی به نتیجه، آن را یا از طریق خرید دانش فنی، یا سهام‌داری، یا مشارکت‌های دیگر به مرحله تجاری‌سازی برساند. حتی ممکن است شرکت، زیرساخت‌های خود را هم درگیر نکند و کار را به‌طور کامل به مسیر اکوسیستم (از شتاب‌دهنده تا پارک علم و فناوری) بسپارد.

او ادامه می‌دهد: «در گروه کوبل هم ما در مرکز نوآوری همین سیاست را دنبال می‌کنیم تا بتوانیم با کمک دانشگاهیان و استارت‌آپ‌ها، سریع‌تر به نتیجه برسیم و محصولات جدید را وارد بازار کنیم. در صنعت سلامت، فعالیت‌ها معمولاً از مسیر سنتی تحقیق و توسعه تا تولید و بازاریابی پیش می‌رود: یک شرکت ابتدا تحقیقات کرده، محصول را انتخاب می‌کند، آن را در واحد R&D توسعه می‌دهد، سپس وارد فاز تولید و بعد بازاریابی می‌شود. اما امروز هوش مصنوعی در تمام این مراحل حضور دارد؛ از تحلیل‌های بازار و تحقیقات اولیه گرفته تا توسعه محصول و حتی طراحی کمپین‌های بازاریابی. ضمن اینکه اپلیکیشن‌های شاخه سلامت الکترونیک (E-Health) هم با بهره‌گیری از داده‌های کاربران، تحلیل‌های مبتنی بر AI ارائه می‌دهند و بیشتر بر حوزه‌هایی مانند لایف‌استایل و افزایش طول عمر متمرکز هستند»

داده‌ها به مراکز نوآوری جهت می‌دهند

مدیر مرکز نوآوری کوبل ادامه می‌دهد: «از سوی دیگر، در سطح جهانی، هوش مصنوعی می‌تواند زمان توسعه یک داروی جدید یا نیومولکول را که معمولاً ۱۰ تا ۱۵ سال طول می‌کشد، به میزان قابل‌توجهی کاهش دهد. با این حال، ایران هنوز در زمینه تولید نیومولکول‌ها وارد نشده است. دلیل اصلی نه کمبود دانش، بلکه سیاست‌های رگولاتوری است؛ چراکه سازمان غذا و دارو و وزارت بهداشت ترجیح می‌دهند روی محصولاتی تمرکز کنند که مشابه خارجی دارند و مسیر اخذ تاییدیه برایشان کوتاه‌تر و کم‌هزینه‌تر است.»

کارآگاه، هم‌چنین درباره چالش‌های به‌کارگیری هوش مصنوعی در صنعت داروسازی می‌گوید:«یکی از مسائلی که در حوزه هوش مصنوعی با آن مواجه هستیم، نیاز به صحه‌گذاری داده‌هاست. به این معنا که هر تحلیلی که از طریق هوش مصنوعی به دست می‌آید، باید توسط افراد متخصص و با تجربه (Senior) بررسی و تأیید شود تا از صحت منبع و دقت تحلیل اطمینان حاصل کنیم.با این حال، کشور ما در زمینه تأمین چنین نیروهایی با مشکل مواجه است. به طور کلی در صنعت داروسازی و حتی فراتر از آن، با پدیده‌ای به نام ناترازی نیروی انسانی روبه‌رو هستیم.»

فناوری فقط هوش مصنوعی نیست

مهدی نریمانی، معاون گروه سرمایه‌گذاری دارویی گلرنگ هم به سرعت نفوذ فناوری در این صنعت اشاره می کند و می‌گوید: «طی سال‌های اخیر صنعت دارو با تحولات جدی در حوزه فناوری‌های نوین روبه‌رو شده است؛ تحولاتی که سرعت و شیب رشد قابل‌توجهی پیدا کرده‌اند. او تاکید می‌کند شرکت‌های بزرگ دارویی امروز علاوه بر هوش مصنوعی از فناوری‌هایی مانند بیگ‌دیتا، یادگیری ماشینی، بلاکچین در زنجیره تأمین دارو، بیولوژی سنتزی، اینترنت اشیای پزشکی و ابزارهای مشابه برای پایش بیماری‌ها، شبیه‌سازی، طراحی دارو، پیش‌بینی عوارض جانبی و بهینه‌سازی ریسک‌های انسانی در کارآزمایی‌های بالینی بهره می‌برند.»

به گفته نریمانی، این فناوری‌ها همزمان باعث کاهش هزینه‌ها و صرفه‌جویی در زمان برای شرکت‌های دارویی شده و از سوی دیگر برای بیماران و سرمایه‌گذاران نیز جذابیت بالایی دارند. او اضافه می‌کند: «مراکز نوآوری صنایع دارویی امروز بیش از آنکه پژوهشکده‌هایی کلاسیک باشند، به بستری برای همگرایی زیست‌فناوری و فناوری‌های دیجیتال تبدیل شده‌اند و طبیعتاً شرکت‌های سرمایه‌گذاری تمایل بیشتری به ورود به این حوزه پیدا کرده‌اند.»

نریمانی ادامه می‌دهد: «در ایران، استفاده از هوش مصنوعی در صنعت دارو هنوز در مراحل ابتدایی است اما روندی رو به رشد و توسعه دارد. در حال حاضر بیشتر فعالیت‌ها در این حوزه در سطح پژوهشگاه‌ها، دانشگاه‌ها، رساله‌های دکتری و استارت‌آپ‌ها متمرکز است. این فعالیت‌ها به تدریج در حال بلوغ هستند تا به مرحله‌ای برسند که صنعت نیز بتواند در مقیاس بزرگ از آنها بهره‌برداری کرده و روی این حوزه سرمایه‌گذاری کند.»

او معتقد است ایران با کشورهای پیشرو فاصله زیادی دارد، اما نسبت به سایر کشورهای در حال توسعه، اختلاف چندانی دیده نمی‌شود. نریمانی تأکید می‌کند: «ما ظرفیت علمی بسیار بالایی داریم و از نظر زیرساختی هم شرایط مناسبی وجود دارد. اگر زیرساخت‌های تکمیلی نیز ایجاد شود، می‌توانیم تحولات بزرگی را در این حوزه رقم بزنیم. در نهایت این مجموعه اتفاقات، موتور نوآوری کشور را فعال خواهد کرد. در بخش تحلیل داده‌های زیستی، مدل‌سازی مولکولی و طراحی اولیه ترکیبات دارویی، استارت‌آپ‌های متعددی فعالند.در بخش‌های مدیریتی‌تر و غیر فنی، از جمله تحلیل داده‌های بازار، پیش‌بینی تقاضا و بهبود زنجیره تأمین نیز شرکت‌های نوپای خوبی شکل گرفته‌اند.در حوزه‌های فنی‌تر، مانند پردازش تصویر داده‌های پزشکی و توسعه الگوریتم‌های یادگیری ماشین برای غربالگری دارو، ظرفیت‌های نوآورانه‌ای در حال ایجاد است.همچنین ایجاد پایگاه‌های بیگ‌دیتا در حوزه سلامت از دیگر اقدامات رو به رشد این بخش است.»

نریمانی تأکید می‌کند: «حجم سرمایه‌گذاری‌ها، علاقه‌مندی دانشگاه‌ها و پژوهشگاه‌ها، فعالیت استارت‌آپ‌ها و حمایت‌های احتمالی نهادهای حاکمیتی، در کنار سرمایه‌گذاری بخش خصوصی، می‌تواند مسیر تحول را شتاب ببخشد و روند نوآوری در صنعت دارو را سرعت دهد.ایران از نظر ظرفیت علمی وضعیت رو به رشدی دارد و نسبت به بسیاری از کشورهای منطقه نیروی انسانی متخصص‌تری در اختیار دارد. همچنین وجود پارک‌های فناوری، شرکت‌های دانش‌بنیان، مراکز رشد دانشگاهی، دسترسی روزافزون به سرمایه‌گذاری خطرپذیر و بازارهای بین‌المللی، نقاط مثبتی است که مسیر توسعه این صنعت را تقویت می‌کند.»

معاون گروه سرمایه‌گذاری دارویی گلرنگ، با اشاره به دستاوردهای این مجموعه درباره برخی داروهای بیولوژیک و اشکال مختلف دارویی می‌گوید: «گلرنگ در این حوزه تجربیات بسیار خوبی داشته و بسیاری از این دستاوردها حاصل بهره‌گیری از فناوری‌های نوین بوده است. استفاده از این فناوری‌ها در سال‌های اخیر به شکل چشمگیری افزایش یافته و برخی شرکت‌های سرمایه‌گذاری، از جمله خود ما، اقدامات قابل توجهی در این زمینه انجام داده‌اند. همچنین جذب نیروهای نخبه و متخصص در این حوزه، زمینه‌ساز تحولات مهمی خواهد بود و طبیعتاً در یکی دو سال آینده نتایج آن در کشور قابل مشاهده خواهد بود.»

او در ادامه به چالش‌های این حوزه اشاره می‌کند و می‌گوید: «یکی از مهم‌ترین موانع ما دسترسی محدود به بازارهای بین‌المللی برای جذب سرمایه‌گذار است که روند کار را دشوار می‌کند. علاوه بر این، مسائل سیاسی همچون تحریم‌ها، محدودیت‌های ناشی از آن و موضوعات اقتصادی مانند نرخ ارز و گرانی فناوری‌های نوین در مقایسه با شرایط اقتصادی کشور، بر روند توسعه تأثیرگذار هستند. همچنین به دلیل قرار گرفتن ایران در دسته کشورهای در حال توسعه، سطح بلوغ بازار پایین‌تر از استانداردهای جهانی است و سرمایه‌گذاری‌های نهادی در این حوزه، متناسب با نیاز و انتظارات انجام نشده است. اما گلرنگ با جدیت و پیگیری بالا، تعاملات گسترده‌ای با استارت‌آپ‌ها و پلتفرم‌های فعال در حوزه دارو و سلامت برقرار کرده و بخشی از آنها را شناسایی کرده‌ است.»

به اندازه اقتصاد

امین پیرایش مدیرعامل صندوق سرمایه‌گذاری خطرپذیر آریوژن هم درباره میزان بلوغ مراکز نوآوری در صنایع دارویی و استفاده آنها از فناوری‌ها می‌گوید: «صنعت داروسازی، صنعتی پویاست و هر روز داروها و متودهای جدیدی در سراسر جهان توسعه پیدا می‌کنند. مراکز نوآوری، اغلب در قالب واحدهای R&D صنایع دارویی فعالیت می‌کنند. ممکن است این فعالیت‌ها خیلی تفکیک‌شده به نظر نرسد، اما در دل شرکت‌های بزرگ، واحدهای R&D کار اصلی را انجام می‌دهند و بر اساس نیازهای جامعه مخاطب، روی ارتقای تکنولوژی و توسعه اهداف صنایع دارویی متمرکز هستند.اگر نگاه جهانی‌تری داشته باشیم، مراکز نوآوری صنایع دارویی ایران با مقیاس جهانی فاصله دارند. حتی اگر کشورهای خیلی پیشرفته را کنار بگذاریم، باز هم مقایسه نشان می‌دهد که ما عقب‌تر هستیم.»

پیرایش در این باره توضیح می‌دهد: «به طور ساده، اگر بخواهیم یک رابطه منطقی و تقریبی بین مراکز نوآوری ما و مراکز نوآوری دنیا ایجاد کنیم، می‌توانیم آن را به اندازه اقتصاد، صنایع و شرکت‌های تولیدی ارتباط دهیم. در دنیا، شرکت‌های بزرگ تولیدکننده دارو بخشی از بودجه سالانه خود را  به R&D یا سرمایه‌گذاری در نوآوری اختصاص می‌دهند. در ایران، با توجه به کوچکتر بودن شرکت‌ها، نسبت بودجه و فعالیت‌های R&D هم طبیعتاً کمتر است. با این حال، صنعت داروسازی صنعتی پویاست و نیازهای روزمره را دنبال می‌کند، بنابراین هیچ‌گاه نمی‌توان واحد R&D یا مرکز نوآوری را تعطیل کرد.»

در نهایت این سوال مطرح می‌شود که هوش مصنوعی در مراکز نوآوری ایران چه کاربردی دارد و آیا مراکز نوآوری چگونه از استارت‌اپ‌های AI-base بهره‌ می‌برند تا بتوانند این روش‌ها را جایگزین آزمایش‌ها و تست‌های انسانی و سنتی کنند. پیرایش در پاسخ به این سوال می‌گوید: «در ایران، استفاده از هوش مصنوعی عمدتاً محدود به تحقیقات دانشگاهی در صنعت داروسازی است. اگر بخواهیم بگوییم که در حال حاضر دارویی وجود دارد که به صورت کامل با هوش مصنوعی توسعه یافته و تجاری‌سازی شده باشد، باید گفت که هنوز چنین چیزی وجود ندارد. اما اتفاقی که در دانشگاه‌ها می‌افتد این است که فرمولاسیون‌ها بهینه‌سازی می‌شوند. خواص مواد پیش‌بینی می‌شوند. داده‌کاوی زیستی کم‌کم به سمت استفاده از هوش مصنوعی حرکت می‌کنند. این نشان می‌دهد که یک موج از دانشگاه به سمت صنعت در حال حرکت است و دانشگاه‌ها توانمندی خود را برای استفاده از AI در داروسازی نشان می‌دهند.»

او ادامه می‌دهد: «آینده این صنعت تا حد زیادی وابسته به اقتصاد کلان کشور است. اگر اقتصاد کلان بهبود پیدا کند و راه‌های صادرات باز شود، این صنعت رشد قابل توجهی خواهد داشت. برای پاسخگویی به نیاز داخلی، صنعت داروسازی ایران مشکل چندانی ندارد و می‌تواند خودکفا باشد. بسیاری از نیازهای داخلی از نظر دانش فنی پاسخ داده می‌شود، هرچند در تولید حجم بالا یا محصول نهایی هنوز محدودیت‌هایی وجود دارد که بیشتر ناشی از زیرساخت‌های تولیدی است.در بخش دانش فنی، ایران حداقل در کشورهای منطقه MENA می‌تواند ادعا کند که دانش فنی را توسعه داده است، مخصوصاً در حوزه داروهای نوترکیب که فعالیت‌های مستمری دارند.»

او اضافه می‌کند: صنعت داروسازی ایران در حال حاضر در حال جذب خروجی‌های خوب دانشگاه‌هاست. این صنعت، تا حدی بومی‌شده است و استانداردهای خاص خود را دارد، نیروی انسانی دانشگاهی را به راحتی جذب می‌کند و از تخصص آنها استفاده می‌کند. در حوزه داروهای نوترکیب، دانش فنی تولید به حد بلوغ رسیده است. اما استفاده از هوش مصنوعی برای بهینه‌سازی فرمولاسیون‌ها، داده‌کاوی و طراحی‌های اولیه داروها باید بیش از گذشته به آن توجه شود. من معتقدم جریان انتقال دانش از دانشگاه به صنعت ادامه خواهد یافت و این مسیر را متحول می‌کند.