AI 熱潮進入製藥工廠端：BMS 產量提升 40%，Eli Lilly 如何用數位孿生突破產能瓶頸？
近年來，全球製藥業投入數十億美元押注 AI，期盼能藉此加速新藥發現與開發速度。然而，儘管業界對此寄予厚望，但目前仍缺乏明確證據顯示 AI 能大幅提高新藥臨床試驗的成功率。
相較之下，AI 在「製造端」的效益卻已經率先浮現。以生產糖尿病與減重藥物聞名全球的美國製藥巨頭 Eli Lilly（禮來）為例，其資訊與數位長 Diogo Rau 就明確表示：「現實情況是，到目前為止我們看到的所有 AI 效益，實際上並非來自藥物探索，而是來自製造與其他流程。」
另一方面，專精於癌症與免疫疾病治療的美國跨國藥廠 Bristol Myers Squibb（必治妥施貴寶，簡稱 BMS），其位於麻州 Devens 的藥廠便為此提供了一個具體的成功案例：透過 AI 監控生物製程變數，成功讓藥品產量大幅提升約 40%。
BMS 將 AI 導入生物製程，藥品產量躍升 40%
BMS 位於美國麻州 Devens 的工廠，主要負責製造用於治療癌症等疾病的基因工程蛋白質藥物。在世界經濟論壇（WEF）與麥肯錫（McKinsey）今年表彰的全球 23 座創新製造基地中，Devens 工廠更是唯一入選的美國製造商。
在這座工廠裡，科學家會將活細胞放入容量高達 2,000 公升的不鏽鋼生物反應器中培養數週。由於細胞生長環境極為脆弱，溫度、光線或 pH 值等細微變化都可能讓細胞停止生長，進而導致危及病患的藥品短缺。過去，科學家往往得苦等到整個製程結束後，才能回頭檢視究竟是哪個環節出錯。事實上，直到 2020 年，Devens 廠房的員工仍在使用 Excel 試算表處理部分任務，甚至以手寫方式填寫記錄每個生產步驟的批次紀錄。
如今，BMS 導入 AI 系統來密切監控溫度與氧氣濃度等重要變數，一旦數據出現異常，系統會立刻提醒技術人員即時介入。BMS 執行副總裁兼首席供應鏈與營運長 Karin Shanahan 強調：「我們現在能夠在製造過程中直接介入處理批次，而不必等到最後一刻。」
此外，AI 還會分析過去的批次資料，主動提出製程修正建議。例如，當氧氣濃度偏低時，系統會自動建議補充氧氣；若 pH 值偏高，系統也會建議進行修正，甚至能精準預測最佳的細胞收成時間點。BMS 發言人指出，這些創新技術已讓 Devens 工廠在臨床試驗與商業用藥的產量上，大幅提升約 40%。
Eli Lilly 運用數位孿生解決產能瓶頸，優化糖尿病與減重藥製程
除了 BMS，面對市場需求爆發的 Eli Lilly 也藉由 AI 找到突破產能天花板的方法。近期，Eli Lilly 旗下熱銷的糖尿病藥物 Mounjaro 與減重藥物 Zepbound 需求暴增，導致初期出現廣泛缺貨潮。公司高層一度認為，他們已經將 Mounjaro 與 Zepbound 兩款藥物的主要活性成分 tirzepatide 產能推到極限。
為了測試是否還有進一步增產的空間，Lilly 去年為 tirzepatide 的製造流程建立「數位孿生」進行模擬，並透過內部開發的機器學習工具運行測試。結果這套 AI 工具成功找出製造設備內部壓力與溫度等變數的不同組合，協助 Eli Lilly 精準判斷哪些參數可以被調整，進而縮短整體製程。雖然 Eli Lilly 並未具體透露製程縮短的幅度或增產的實際規模，但 Eli Lilly 資訊與數位長 Diogo Rau 表示，這項改善讓公司得以觸及更多病患，效果「令人震驚」。
《華爾街日報》對此也評論，對藥廠而言，目前 AI 最明確且立竿見影的回報，多半來自於加快製造速度與精簡後勤任務，而非突破性的藥物研究成果。RBC Capital Markets 估計，這些技術預計在未來五年內能為美國製藥業節省約 900 億美元。
AI 尋找新藥仍待驗證，製造端率先成為落地突破口
事實上，全球製藥巨頭對於 AI 的投資毫不手軟。《華爾街日報》指出，包括 Eli Lilly、Roche（羅氏）、GSK（葛蘭素史克）、AstraZeneca（阿斯利康）與 Merck（默克）等國際大廠，近幾個月已陸續宣布投入數十億美元，與科技公司及 AI 生技新創展開合作，期盼全面改造製藥流程。
以 Eli Lilly 為例，該公司先是在去年 10 月宣布與 NVIDIA 合作打造號稱製藥業最強大的超級電腦，隨後又在今年 1 月把這項計畫擴大為規模 10 億美元、為期 5 年的深度合作，讓雙方科學家與工程師在灣區的新實驗室中共同開發 AI 新藥工具。
然而，理想與現實仍有落差。RBC Capital Markets 分析師 Trung Huynh 點出，業界曾高度期待 AI 能大幅改善臨床試驗的成功率，但他坦言「這還沒有發生」。以知名 AI 生技公司 Recursion Pharmaceuticals 為例，該公司致力於透過訓練 AI 辨識細胞影像，試圖降低高達 90% 的新藥開發失敗率。然而，在公司成立近 13 年後，至今仍未有任何一款 AI 輔助開發的藥物正式獲批上市。
《紐約時報》也提醒，技術上的優勢不保證能立即轉化為對病患的實際益處。藥物開發的歷史充滿了無數失敗，AI 所找出的候選分子，最終能否挺過嚴苛的臨床試驗考驗，依然是未知數。
從 BMS 與 Eli Lilly 的案例可以發現，AI 在製藥產業的角色正在發生改變：過去外界的目光總聚焦在 AI 能否縮短新藥探索時間、提高臨床成功率，但真正率先開花結果的，反而是製造端的製程優化與產能提升。對藥廠而言，AI 或許暫時還無法為人類帶來下一個奇蹟般的「新藥突破」，但已經開始徹底改變「藥物如何被更快、更大量地製造出來」。
＊本文開放合作夥伴轉載，資料來源：《The New York Times》、《WSJ》，圖片來源：Unsplash