世界の創薬における人工知能/AI市場(~2028年):提供別、プロセス別、ドラッグデザイン別

 

世界の創薬における人工知能/AI市場は、収益ベースで2023年に9億ドル規模と推定され、2023年から2028年にかけて年平均成長率40.2%で成長し、2028年には49億ドルに達する見通しです。この新しい調査研究は、市場の業界動向分析から構成されています。この新しい調査研究は、業界動向、価格分析、特許分析、会議とウェビナー資料、主要関係者、市場における購買行動で構成されています。人工知能(AI)の創薬領域への統合は、市場展望を大幅に強化する構えです。AIは実験を最適化し、インパクトのあるターゲットを強調し、仮想スクリーニングを可能にすることで研究を加速し、失敗の迅速化と試験の多様化をもたらします。AIは創薬ワークフローを変革し、ステップを統合し、プロセスを自動化し、工程内の意思決定を減らし、特性の最適化を並行して加速します。エピトープの選択、予測、結合ツールの開発により、新しいワクチンやその他の治療薬の発見を大幅に加速。しかし、AIアルゴリズムは、経験豊富な研究者が持つニュアンス的な理解や創造的な洞察力に欠ける可能性があります。疾患の特徴をより明確にするためにAIを適用するには、深さ、次元、規模が限定的すぎることが多いのです。細胞培養条件やアッセイ条件に関するメタデータが実験結果などに比べて不足しているなどの課題があるかもしれません。AIの使用は、特にデータのプライバシー、偏り、意思決定における透明性にまつわる倫理的な問題を引き起こします。

 

市場動向

 

促進要因 創薬・開発コストの抑制と開発期間の短縮ニーズの高まり
創薬は非常にコストと時間のかかるプロセスであるため、新薬を発見するための代替ツールの必要性が高まっています。創薬と薬剤開発は一般的にin vivoやin vitroの手法で行われますが、これは非常にコストと時間がかかります。新薬の開発には、通常10~15年の歳月と平均28億米ドルの費用がかかります。一方、臨床で失敗する新薬の割合は80~90%と非常に高く、臨床失敗の中で最も多いのが第Ⅱ相概念実証(PoC)試験です。米国食品医薬品局(FDA)などの規制当局によって承認された新薬(NME)の数は、過去10年間(2010~2019年)に比べて増加していますが、新薬の上市にかかるコストは急激に上昇しています。医薬品イノベーションのコスト上昇に寄与する主な要因としては、後期臨床の萎縮によって失われる投資、承認のハードルを高く設定する厳しさを増す規制制度、特に重要な臨床試験における臨床試験コストの上昇などが挙げられます。このような現実を踏まえ、製薬企業やバイオテクノロジー企業は、生産性を向上させ、コストを削減し、持続可能性を確保するために、革新的な新技術を導入するインセンティブを与えられています。

創薬プロセスでは、特定の疾患に対する医薬品として承認される化合物は、5,000~10,000化合物のうち1つだけです。創薬におけるAIは、新薬の上市にかかる時間とコストを大幅に削減する可能性を秘めています。また、これまで標的とすることが困難であった疾患の新規治療法の特定にも役立ちます。

この市場で事業を展開する複数の企業が、迅速な創薬に役立つプラットフォームを開発しています。例えば、グーグル・クラウドは2023年5月、バイオテクノロジー企業、製薬会社、公的機関向けに創薬と精密医療を加速するための2つの新しいAI搭載ソリューション、Target and Lead Identification SuiteとMultiomics Suiteを発表しました。Target and Lead Identification Suiteは、より効率的なインシリコ創薬設計を可能にし、タンパク質構造を予測し、創薬のためのリード最適化を加速します。Google Cloud の新しい 2 つのスイートは、バイオ医薬品業界の長年の課題である、新薬を米国市場に投入するまでの時間とコストのかかるプロセスを解決するのに役立ちます。大手製薬会社のファイザーを含むいくつかの企業が、すでにこの製品の使用を開始しています。同様に、2023年3月、インシリコ・メディシンはPandaOmicsプラットフォームに特化したAIチャット機能ChatPandaGPTを統合しました。この統合により、研究者はプラットフォームと自然言語で会話をすることができ、より効率的な方法で潜在的な治療標的やバイオマーカーの発見が容易になります。この新機能により、研究者はプラットフォームと自然言語で会話し、大規模なデータセットを解析することで、潜在的な治療ターゲットやバイオマーカーをより効率的に発見することができます。

制約: AIの人材不足と医療用ソフトウェアに関する曖昧な規制ガイドライン
AIは複雑なシステムであり、AIシステムを開発、管理、導入するためには、企業は特定のスキルセットを持つ人材を必要とします。例えば、AIシステムを扱う人材は、コグニティブ・コンピューティング、MLおよび機械知能、ディープラーニング、画像認識などの技術に精通している必要があります。創薬におけるAIツールの開発と導入には、領域固有の専門知識とデータサイエンスのスキルの融合が必要です。学術界も産業界も、専門分野の不足、チーム編成の難しさ、コラボレーションを妨げる組織の縦割りといった課題に直面しています。AIが大規模な組織に統合されるにつれて、これらの問題は悪化する可能性があり、現在の能力ギャップを埋め、将来的に学際的なチームワークをサポートするために、AIと創薬の専門家の両方のトレーニングとスキル構築を強化する必要があります。

AIサービスプロバイダーは、顧客先でのソリューションの展開/サービスに関して課題に直面しています。これは、技術に対する認識不足とAI専門家の不足が原因です。また、政府や規制機関がこうした進歩に対応し、特に医療用途でのAIシステムの導入を有意義に導くことは、当惑させられる課題です。医療用AI技術の正確性、信頼性、安全性、臨床利用は、基準と規制の組み合わせに従うことで保証されます。FDAの認可を受けるためには、医療に応用されるAIや機械学習ツールは、少なくとも現在の人間と同程度の正確な結果を出せることを示す一連のテストに合格しなければなりません。同様に、欧州連合(EU)では、ソフトウェアに対する一般的な除外規定はなく、ソフトウェアが医療目的であれば医療機器として規制される可能性があります。一般的には、製品の特性、使用方法、製造者の主張を考慮したケースバイケースの評価が必要です。しかし、一般的な医療機器の分類とは異なり、ソフトウェアが人体に作用して身体機能を回復、修正、変更するものではないことから、これらのパラメータがソフトウェアにどのように適用されるかはすぐには分からないため、評価は特に複雑です。

チャンス 新興市場
アル・イン・ドラッグ・ディスカバリー(Al in drug discovery)市場は、インド、中国、中東諸国などの新興国が有望な成長見通しを示しており、拡大する態勢にあります。その主な理由は、製薬・バイオ医薬品分野の堅調な成長、規制緩和政策、熟練したコスト効率の高い労働力へのアクセスなどです。これらの国々では、慢性疾患や感染症の蔓延、所得水準の上昇、医療インフラの改善により、医薬品需要が大幅に急増すると予想されています。その結果、成熟市場における利益率の低下、医薬品の特許切れ、規制の複雑化といった問題に直面している企業にとって、これらの市場は非常に魅力的です。さらに、ワクチン需要の増加、抗生物質パイプラインの減少、研究開発費の急増を背景に、製薬企業の創薬サービスのアウトソーシングに対する関心が高まっていることも、新興市場における創薬サービスの成長をさらに後押ししています。

課題 利用可能なデータセットの制限
AIと機械学習を最大限に活用するためには、望ましい結果を得るための大規模で質の高いデータが必要です。大規模なデータセットにより、機械学習はパターンをとらえ、新しい仮説を生み出すことができます。しかし、創薬・医薬品開発の分野では、データの生成には非常にコストがかかります。

創薬にとって重要な価値のあるデータの大部分は、製薬企業やCRO(臨床研究機関)、特に長年にわたって独占的にデータを蓄積してきた企業内に区分されています。このようなデータは通常、これらの組織にとって競争力をもたらす貴重な秘密資源とみなされています。そのため、新興企業や中小企業は、査読付き報告書の情報など、一般にアクセス可能なデータに頼らざるを得ないことがしばしばあります。そのため、中小企業が多数の分子を作製し、その生物学的試験を実施することは困難です。一方、大手の製薬会社やバイオテクノロジー企業は大量のデータを生み出していますが、そのほとんどは保護されています。これらの企業は厳格な機密保持の掟を守り、データを他者に提供したり公開したりしません。これは市場における重要な課題です。

疾患の特徴をより明確にするためにAIを適用するには、その深さ、次元、規模が限定的すぎることがよくあります。細胞培養条件やアッセイ条件に関するメタデータが実験結果やその他に欠けているなどの課題があるかもしれません。Ochre Bioの肝疾患に対するディープフェノタイピングアプローチのような取り組みは有望ですが、患者サンプルが必要であり、疾患の種類を超えたスケーラビリティの問題に直面しています。さらに、独自のデータセットには、特定のユースケース(例えば、大規模な低分子合成に関するユースケースや、安全性や毒性に関するユースケース)のための高品質なデータが含まれていることが多いのですが、これらのデータセットにアクセスできないことは、アカデミアにおけるツール開発の大きな妨げになります。アカデミアで開発されたツールは、一般に入手可能なデータを使用しているため、精度が低い場合があります。

この市場に存在する側面は、創薬における人工知能(AI)全体のエコシステム市場マップに含まれており、各要素は関係する組織のリストとともに定義されています。製品とサービスが含まれます。各種製品のメーカーには、研究、製品開発、最適化、発売の全プロセスに関与する組織が含まれます。ベンダーは、直接または第三者との連携を通じてエンドユーザーにサービスを提供します。

社内研究施設、受託研究機関、開発・製造受託企業はすべて研究・製品開発の一部であり、製品開発サービスのアウトソーシングには不可欠です。

予測期間中に最も高いCAGRで成長すると予測される創薬AI産業の理解疾患セグメント
2023年から2028年にかけて、世界の創薬AI市場の中で最も急成長する市場と予測される理解疾患セグメント。AIは、疾患治療のための新たな標的を特定・検証することで、創薬において重要な役割を果たします。AIは、表現型スクリーニングからの画像解析を自動化し、ターゲットと疾患の相互作用を理解するために(プロテオミクス、ゲノミクス)オミクスデータをマイニングし、ターゲットと疾患のパスウェイを研究するためにタンパク質ダイナミクスをモデル化し、薬剤研究のために患者集団を分類するためにバイオマーカーを特定します。これらのアプリケーションは、疾患の理解を深め、より効果的で的を絞った薬物療法の開発を促進します。疾患と標的を関連付けるための(-omics)データのデータマイニングや、薬剤の再利用アプリケーションにAIを使用することが、この市場の成長を促進しています。

ディープラーニング: 創薬AI産業における機械学習の最大セグメント(タイプ別
予測期間中、ディープラーニングセグメントが機械学習向け創薬AI市場のタイプ別世界市場を支配すると予想。機械学習のサブセットであるディープラーニングは、ゲノム、プロテオミクス、化学構造など、創薬に不可欠な膨大かつ複雑なデータセットから複雑なパターンと洞察を抽出する卓越した能力が特徴です。ディープラーニングは、ニューラルネットワークを使用して複雑な生物学的データを分析し、薬物相互作用を予測し、潜在的な候補を特定します。これにより、標的の特定、化合物のスクリーニング、臨床試験の最適化が加速され、より迅速で費用対効果の高い医薬品開発と、より正確な個別化医療が実現します。

感染症: 創薬AI産業の治療分野別最大セグメント
創薬AI市場を治療領域別に分類すると、がん、感染症、神経、代謝、循環器、免疫、その他の治療領域に分類されます。感染症は予測期間中、世界市場で第2位のシェアを占めています。その大半は、商業的なインセンティブが存在する疾患や、慈善事業による資金調達が容易な疾患に集中しています。COVID-19、マラリア、結核、HIVのような感染症は、焦点と資金提供の大半を受け、顧みられない熱帯病(NTDs)を含む他の感染症への関心は低い。

2022年、創薬AI業界では北米が最大シェアを占める見込み
地域別に見ると、世界市場は北米、欧州、アジア太平洋、南米、中東・アフリカに区分されます。2022年には、北米が最大の市場シェアを占め、次いで欧州とアジア太平洋地域が続きます。北米の大きなシェアは、研究資金の増加、米国における精密医療推進のための政府の取り組み、米国の大手製薬会社における創薬のための研究開発におけるAIベースのツールの採用の増加に起因しています。この地域は、学界、産業界、技術プロバイダー間の協力を通じてイノベーションを促進することに取り組んでおり、創薬AI市場での地位をさらに強化しています。

 

主要企業

 

著名なプレーヤーとしては、NVIDIA Corporation(米国)、Exscientia(英国)、BenevolentAI(英国)、Recursion(米国)、Insilico Medicine(米国)、Schrödinger, Inc.(米国)、Microsoft Corporation(米国)、Google(米国)、Atomwise Inc.(米国)、Illumina, Inc.(米国)、NuMedii, Inc.(米国)、XtalPi Inc.(米国)、Iktos(フランス)、Tempus Labs(米国)、Deep Genomics, Inc. (カナダ)、Verge Genomics社(米国)、BenchSci社(カナダ)、Insitro社(米国)、Valo Health社(米国)、BPGbio社(米国)、IQVIA社(米国)、Labcorp社(米国)、Tencent Holdings Limited社(中国)、Predictive Oncology, Inc. (米国)、Celsius Therapeutics(米国)、CytoReason(イスラエル)、Owkin, Inc.(米国)、Cloud Pharmaceuticals(米国)、Evaxion Biotech(デンマーク)、Standigm(韓国)、BIOAGE(米国)、Envisagenics(米国)、Aria Pharmaceuticals, Inc. これらのプレイヤーは、世界市場でのプレゼンスを強化するために、製品の上市や機能強化、投資、提携、共同事業、資金調達、買収、拡大、契約、販売契約、提携などにますます注力しています。

当調査では、創薬AI市場を以下のサブマーケットごとに分類し、収益予測と動向分析を行っています:

製品別
ソフトウェア
サービス別
技術別
機械学習
ディープラーニング
教師あり学習
強化学習
教師なし学習
その他の機械学習技術
自然言語処理
文脈考慮処理
その他の技術
治療領域別
腫瘍学
感染症
神経学
代謝性疾患
心血管疾患
免疫学
その他の治療分野
プロセス別
ターゲット同定と選択
ターゲットバリデーション
ヒット化合物の同定と優先順位付け
ヒット・トゥ・リード同定/リード創出
リード最適化
候補の選定と検証
ユースケース別
疾患の理解
低分子化合物の設計と最適化
ワクチン設計と最適化
抗体およびその他の生物製剤の設計と最適化
安全性と毒性
エンドユーザー別
製薬・バイオテクノロジー企業
受託研究機関
研究センター、学術・政府機関
地域別
北米
米国
カナダ
メキシコ
欧州
ドイツ
英国
フランス
イタリア
その他の欧州
アジア太平洋
日本
中国
インド
その他のアジア太平洋地域
南米
中東・アフリカ

2023年10月、RecursionはRocheおよびGenentechと共同で、特定の疾患に対するヒットシリーズを同定・検証することで、最初の重要なマイルストーンを達成し、RocheのSmall Molecule Validation Program Optionを開始しました。Recursionは、Recursion OSとデジタルケミストリーツールを使用して、プログラムの推進をリードすることになりました。これは、生物学と化学のマップに基づく治療プログラムの開発という両社の共同努力の進展を示すもので、将来的には新規の標的仮説と提携のために複数の中枢神経系細胞タイプに拡大する計画です。
2023年9月、エクセンティアはMerck KGaAと、腫瘍学、神経炎症、免疫学にまたがる新規低分子医薬品候補の発見に焦点を当てた共同研究を開始しました。この複数年にわたる提携では、ExscientiaのAIを活用した高精度な創薬設計と創薬能力を活用する一方、Merck KGaAのがんおよび神経炎症に関する疾患専門知識、臨床開発能力、グローバルな事業拠点を活用します。
2023年5月、Google Cloudは、バイオテクノロジー企業、製薬会社、公的機関向けに、創薬と精密医療を加速する2つの新しいAI搭載ソリューション、Target and Lead Identification SuiteとMultiomics Suiteを発表しました。Target and Lead Identification Suiteは、より効率的なインシリコ創薬設計を可能にし、タンパク質構造を予測し、創薬のためのリード最適化を加速します。
2023年5月、9xchangeはBenevolentAIと提携しました。この提携は、BenevolentAIのAI対応技術を活用し、9xchangeプラットフォーム内の資産の適応拡大や薬剤の再利用に関する意思決定をサポートすることを目的としています。BenevolentAIの実績あるAI対応エンジンを9xchangeプラットフォームと組み合わせることで、治療ポートフォリオにおける未開拓の可能性を発掘し、創薬の新たな機会を創出することを目的としています。
2023年3月、NVIDIAはBioNeMo Cloudサービスを開始し、ゲノム、化学、生物学、分子動力学における創薬や研究を支援するジェネレーティブAIクラウドを拡充しました。BioNeMo Cloudサービスにより、研究者は独自のデータ上でAIアプリケーションを微調整し、ウェブブラウザまたはクラウドAPIを通じてAIモデル推論を実行することができます。

 

 

【目次】

 

1 はじめに (ページ – 38)
1.1 調査目的
1.2 市場の定義
1.2.1 包含と除外
1.3 市場範囲
1.3.1 市場セグメンテーション
図1 創薬AI市場:市場セグメンテーション
1.3.2 地域範囲
1.3.3 考慮した年数
1.3.4 通貨
表1 米ドルへの換算に使用した為替レート
1.4 利害関係者
1.5 変化の概要
1.5.1 景気後退の影響

2 調査方法(ページ – 45)
2.1 調査データ
図2 調査デザイン
2.2 二次資料
2.2.1 二次資料からの主要データ
2.3 一次データ
2.3.1 一次資料
2.3.1.1 一次資料からの主要データ
2.3.1.2 主要な業界インサイト
2.3.2 一次インタビューの内訳
図3 一次インタビューの内訳:需要側、供給側、指定、地域別
2.4 市場規模の推定
図4 供給側市場の推定:収益シェア分析
図5 ボトムアップアプローチ:創薬におけるAIへのエンドユーザー支出
表2 要因分析
図6 推進要因、阻害要因、機会、課題の分析によるCAGR予測(2022~2027年)
図7 CAGR予測:供給サイド分析
図8 トップダウンアプローチ
2.5 市場の内訳とデータ三角測量
図9 データ三角測量の方法
2.6 前提条件
2.6.1 市場規模の仮定
2.6.2 調査全体の前提
2.7 制限事項
2.8 リスク評価
表3 リスク評価:創薬市場におけるAI
2.9 景気後退の影響分析
表4 世界のインフレ率予測、2021~2027年(成長率)
表5 米国の医療費支出、2019~2022年(百万米ドル)
表6 米国医療支出、2023-2027年(百万米ドル)

3 要約(ページ数 – 63)
図10 創薬における人工知能市場、オファリング別、2023年対2028年(百万米ドル)
図11 創薬における人工知能市場:技術別、2023年対2028年(百万米ドル)
図12 創薬における人工知能市場:治療領域別、2023年対2028年(百万米ドル)
図13 創薬における人工知能市場:プロセス別、2023年対2028年(百万米ドル)
図14 創薬における人工知能市場、ユースケース別、2023年対2028年(百万米ドル)Fig.
図15 創薬における人工知能市場、エンドユーザー別、2023年対2028年(百万米ドル)
図16 創薬における人工知能市場:地理的スナップショット

4 プレミアムインサイト(ページ数 – 68)
4.1 創薬AI市場におけるプレーヤーにとっての魅力的な機会
図17 業界を超えたコラボレーションとパートナーシップの増加が市場を牽引
4.2 創薬AI市場:地域別展望
図18 北米が予測期間中に創薬AI市場を支配
4.3 創薬AI市場:地理的成長機会
図 19 2023 年から 2028 年にかけて最も高い収益成長を記録するのは米国
4.4 北米の創薬AI市場:エンドユーザー・国別、2022年
図 20 北米では製薬・バイオテクノロジー企業と米国が最大シェアを獲得(2022 年
4.5 創薬AI市場、サービス別
図 21 2028 年にはサービスが市場シェアの大半を占める
4.6 創薬AI市場:技術別
図22 2028年まで機械学習が市場の主導権を維持
4.7 創薬AI市場:治療領域別
図23 2028年にはがん領域が市場を支配
4.8 創薬AI市場:プロセス別
図24 2028年にはヒット・ツー・リード同定/リード生成が市場を支配
4.9 創薬AI市場:ユースケース別
図25 予測期間中に最も高い成長を記録するのは低分子設計と最適化
4.10 創薬AI市場:エンドユーザー別
図26 2028年に最大の市場シェアを占めるのは製薬・バイオテクノロジー企業

5 市場概観(ページ数 – 74)
5.1 はじめに
5.2 市場ダイナミクス
図27 創薬におけるAI:市場ダイナミクス
表7 創薬AI市場:インパクト分析
5.2.1 ドライバ
5.2.1.1 業界横断的な共同研究やパートナーシップの拡大
表8 コラボレーションとパートナーシップの指標リスト(2021〜2023年)
5.2.1.2 創薬開発の時間とコストを削減するニーズの高まり
5.2.1.3 いくつかの医薬品の特許切れ
表9 2023年に特許が切れる医薬品のリスト(参考値
5.2.2 阻害要因
5.2.2.1 AI人材の不足と医療ソフトウェアに関する曖昧な規制ガイドライン
5.2.3 機会
5.2.3.1 成長するバイオテクノロジー産業
5.2.3.2 新興市場
5.2.3.3 人間を意識したAIシステムの開発に注力
5.2.4 課題
5.2.4.1 利用可能なデータセットが限定的
5.2.4.2 必要なツールとユーザビリティの欠如

6 業界の洞察 (ページ – 82)
6.1 主要業界動向の概要
6.1.1 創薬におけるAIの進化
図28 創薬市場におけるAIの進化
6.1.2 コンピューター支援薬剤設計とAI
図29 構造ベースの薬剤設計:創薬AI市場
6.2 サプライチェーン分析
図30 創薬AI市場:サプライチェーン分析(2022年)
6.3 ポーターの5つの力分析
表10 創薬AI市場:ポーターの5つの力分析
6.3.1 競合ライバルの激しさ
6.3.2 買い手の交渉力
6.3.3 供給者の交渉力
6.3.4 代替品の脅威
6.3.5 新規参入企業の脅威
6.4 エコシステム/市場マップ
図31 創薬AI市場のエコシステム
6.5 技術分析
図32 創薬AI市場:分類
6.5.1 ドライラボサービス
6.5.2 ウェットラボサービス
6.5.2.1 化学サービス
6.5.2.2 生物学的サービス
6.5.2.2.1 単一細胞解析
6.6 価格分析
6.6.1 平均販売価格動向(地域別
6.6.2 指標価格分析(プロセス別
表11 創薬AI市場:指標価格分析(プロセス別
6.7 ビジネスモデル
図33 ライフサイエンスにおけるAI:ビジネスモデル
図34 ハイブリッド・ビジネスモデルの利点
図35 時系列で見たAI企業の専門化
6.8 ケーススタディ分析
6.8.1 ケーススタディ1:ブリストル・マイヤーズスクイブとエクセンティア
6.8.2 ケーススタディ2:Apeiron LLCとExscientia
6.9 規制分析
6.9.1 創薬AI市場:規制の状況(地域別
6.9.2 規制機関、政府機関、その他の組織
表12 規制機関、政府機関、その他の組織のリスト
6.10 特許分析
図36 創薬AIソリューションの上位特許所有者及び出願者(2011年1月~2023年10月)
図37 創薬AI市場:特許分析(2011年1月~2023年10月)
図38 創薬AI特許の上位出願国・地域(2012年1月~2023年7月)
表13 創薬AI市場における特許/特許出願リスト(2021~2023年
6.11 主要会議・イベント(2023年第1四半期~2024年第2四半期)
6.12 顧客のビジネスに影響を与えるトレンド/混乱
図39 創薬AI市場における収益シフト
6.13 主要ステークホルダーと購買基準
6.13.1 購入プロセスにおける主要ステークホルダー
図40 創薬AI市場の購買プロセスにおける利害関係者の影響
6.13.2 創薬AI市場の購買基準
図41 エンドユーザーの主な購買基準
6.14 AI由来の臨床資産
表14 AI由来の主な臨床資産(企業別
6.15 アンメットニーズ
6.15.1 創薬AIにおけるアンメットニーズ
6.15.2 シングルセル解析の展望:創薬における主要課題とペインポイント
6.15.3 創薬のためのシングルセル解析におけるAIアプリケーションの主要なアンメットニーズとペインポイント

7 創薬における人工知能市場, 分野別 (ページ数 – 123)
7.1 はじめに
表15 創薬における人工知能市場、オファリング別、2021~2028年(百万米ドル)
7.2 サービス
7.2.1 最も高い成長を目撃するサービス分野
表16 サービスの創薬人工知能市場、国別、2021〜2028年(百万米ドル)
7.3 ソフトウェア
7.3.1 創薬におけるソフトウェアのメリットとエンドユーザーの強い需要が成長を牽引
表17 ソフトウェアの創薬人工知能市場:国別、2021〜2028年(百万米ドル)

 

 

【本レポートのお問い合わせ先】
www.marketreport.jp/contact
レポートコード:HIT 7445

 

世界の創薬における人工知能/AI市場(~2028年):提供別、プロセス別、ドラッグデザイン別
トップへ戻る