推动健康护理行业增长的三大创新
在5月举行的福布斯/SHOOK顶级女性财务顾问峰会上,投资组合经理兼研究分析师Agustin Mohedas介绍了三个令人兴奋的健康护理创新领域和投资者面临的潜在机会。
5 分钟观看时间
焦点分析
- 我们将抗体药物复合体、GLP-1减肥药和人工智能(AI)视作健康护理行业的三大创新领域。
- 上述每一项创新均有助彻底改变患者的护理标准,并为投资者创造重要的新增长机会。
- 例如,GLP-1的全球年销售额最终可能达到1,000亿至2,000亿美元,这将会使其成为史上最大的制药市场。
IMPORTANT INFORMATION
健康护理产业受制于政府监管和报销率以及当局对产品和服务的审批,这些因素可能对价格和供应造成重大影响,亦可能受到迅速过时和专利到期的重大影响。
集中投资 单一产业、行业或地区将更易受到影响该类别的因素影响,所以表现可能比集中程度较低的投资和市场整体来得波动。
JHI
JHI
Agustin Mohedas:今天,我要和大家谈一谈健康护理,然后更具体地讨论生物科技。
抗体药物复合体(ADC):彻底改变癌症治疗
现在,我想花一点时间专门讲解抗体药物复合体。因为我认为这是一项非常具有革命性意义的新技术,我想这项技术很快会引起人们的广泛讨论,它确实改变了业界在肿瘤学或癌症治疗领域的医学实践。
首先让我们来了解一些生物学基础知识。我们的身体会产生针对细菌和病毒的抗体,以帮助中和并消灭这些病毒和预防感染,这是人体天然免疫力的一部分。
实际上,生物科技公司通过多年的研究,已经找到如何利用人体这部分免疫系统创造疗法的方法。因此,我们实际上能做的就是,研制一种与细胞或蛋白质的特定部分结合的抗体。
现在,癌症在癌细胞表面显现特定标记,我们可以利用该等标记识别健康组织中的癌细胞。因此,我们能够设计专门针对该等标记的抗体。不仅如此,我们还可以附着所谓的有效载荷(payload),在此情况下,有效载荷基本指化疗药物;我们将超强效的化疗药物附着抗体之上。所以,我们可以说是创造了一个特洛伊木马;本质上,它能够与癌细胞结合、进入癌细胞、传递有效载荷(或细胞毒性药物或化疗药物),然后杀死癌细胞,同时不伤害任何健康组织。
GLP-1:减少健康风险
现在,让我们谈谈肥胖问题。我认为,GLP-1显然已经受到媒体的广泛关注。今天之所以谈论GLP-1是因为,我认为很多人都忽略了该类药物实际上可以提高生存率,而媒体也未对此给予足够的关注。GLP-1不仅有助于减肥,而且实际上改善了伴随肥胖而来的问题,即心脏病、中风和我认为最终会导致的癌症,虽然这点尚未得到证实。
因此,我想强调这类GLP-1药物的重要性,因为肥胖是一个全球性的重要问题,我们预计GLP-1类药物或该等减肥药可能会形成1,000亿至2,000亿美元的全球市场,将成为有史以来最大的制药市场。因此,从投资角度来看,识别最终的赢家和未来的发展趋势,是颇为令人振奋。
AI:加速药物发现
我想和大家谈谈人工智能(AI)。这话题最近也受到市场的颇多关注,以及AI如何令药物发现和开发过程受惠。现在,市场上关于AI的炒作气氛浓厚,因此,我认为从投资角度来看,避免陷入AI炒作显得至关重要。但若不提及AI,则有失妥当,因为我确实相信该等技术将大大改善我们的药物发现方式。
要知道药物开发需要经过7至10年的时间,方能在市场推出。从启动1期临床研究一直到3期研究,乃至最终获FDA(美国食品及药物管理局)批准,需耗时7至10年。实际上,7至10年的时间都未必足够,因为临床前期研发这流程的时间尚未计算在内。在该流程中,我们进行基础科学研究,以发现药物标靶,我们在实验室中修改分子,就像我攻读博士学位期间所作的一样,包括移液和对老鼠进行注射等等。该流程可能需耗时3至5年。
我们认为目前AI能产生的最大影响,是在药物开发的早期阶段。例如,在我攻读博士学位期间,我曾与一位化学家合作,我们可能合成了大约200至500种分子,然后我将这些分子在细胞和老鼠中进行了试验。这个过程非常耗费人力,但我是自愿参与其中,所以我不会获得报酬。但是,在理想情况下,该流程应当以一种更加高效的方式完成。
因此,AI真正带来的帮助是,我们现在可以在电脑模拟(silico)或电脑中模拟这些蛋白质的行为。实际上,我们能够模拟蛋白质靶点,在左边你可以看到一个蛋白质,然后我们能做的就是利用电脑大致猜测药物如何与该蛋白质结合。然后,我们可以让电脑合成十亿或一万亿种分子,再用一周的时间在一台超级电脑上对所有分子进行测试,并得出结论。我们已经在电脑上测试一万亿种分子,这些是最有效的分子,而不是由我个人在攻读博士学位的5年时间内在实验室合成的200至500种分子。这是我们发现的100种最有效的结合剂,现在可以开始制作这些结合剂。
这就是AI将真正彻底改变药物开发之处。在该早期阶段,我们可以在电脑中对所有内容进行建模,让电脑利用这些大模型和自适应机器学习技术为我们运行实验,处理所有庞大数据并输出结果,然后瞬间大幅提升实验室中科学家的生产力,确保科学家不会浪费时间制造无用之物,而是专注于收益最高的领域。