靶向药物AI辅助的适应症扩展预测引擎在已上市药物老药新用中的成功率提升与2026年增量市场发掘.docxVIP

PAGE2

靶向药物AI辅助的适应症扩展预测引擎在已上市药物老药新用中的成功率提升与2026年增量市场发掘

摘要

本报告聚焦于AI制药与数字化研发领域中，靶向药物AI辅助适应症扩展预测引擎在“老药新用”策略中的行业应用与商业价值。研究范围覆盖全球主要医药市场，时间跨度以2023至2026年为核心预测期。

核心发现表明，基于靶点网络拓扑学的AI预测模型，能将传统“老药新用”的偶然发现模式转变为系统性挖掘范式，将II期临床概念验证的成功率从约15%的历史基线显著提升至30%-40%的预测区间。这一效率革命，正在重塑已上市药物的生命周期管理策略。

报告遵循“宏观环境→产业链现状→竞争格局→需求分析→趋势预测→机会评估”的递进逻辑。宏观层面，全球医药监管机构对药物再利用的鼓励政策与研发回报率的持续走低，共同构成了强大的行业驱动力。产业链分析揭示，AI引擎正成为连接海量生物医学数据与临床开发的关键价值节点，其利润分配权重在迅速增大。竞争格局显示，AI驱动的生物科技公司与拥有海量真实世界数据的跨国药企正形成“数据-算法”共生阵营。

核心数据方面，2023年全球AI辅助药物再利用市场规模约为4.5亿美元，预计到2026年将增长至18-22亿美元，年复合增长率高达60%-70%。关键趋势在于，预测引擎的命中率提升将直接解锁约150-200亿美元的潜在增量市场，主要集中在罕见病与肿瘤耐药等未满