加拿大魁北克拉瓦勒的兩家專業生技公司Corealis Pharma與PhinC Group於2026年9月23日宣布建立策略性合作，將生理基礎生物藥劑建模（PBBM）與生理基礎藥物動力學建模（PBPK）技術，直接整合至口服固體劑型（OSD）的早期配方開發流程中。
此次合作的核心在於結合Corealis在配方設計與GMP臨床製造的實戰經驗，以及PhinC Group在預測性生物藥劑建模的演算法優勢。透過API、配方與溶離數據導入模型，雙方能在臨床試驗前即評估釋放速率、溶解度、粒徑分布與食物效應等關鍵變數，從而指引更具靶向性的原型開發與配方篩選。
Corealis Pharma執行長David Leroux-Petersen明確指出，當前製藥業界普遍存在「配方決策在對藥品最終臨床表現缺乏充分可見度的情況下進行」的困境。這項合作預期能協助生技公司減少實驗迭代次數、提前預判人體表現，並在投入珍貴API與臨床資源前提高信心門檻。PhinC Group北美區首席科學官Samia Ezzine亦強調，建模技術的價值在於能夠回頭指導開發決策，聚焦在最關鍵的實驗環節。
此事件本質屬於商業技術合作與科學方法論演進的範疇，並非典型的地緣政治角力或市場壟斷衝突。然而，深入剖析其背後結構，可窺見全球製藥產業正面臨一場深刻的典範轉移——從傳統的「試錯法」實驗驅動開發模式，轉向「模型驅動、數據先行」的新一代藥物開發哲學。
回顧歷史，製藥產業長期以來高度依賴大規模、高成本的實驗室篩選與動物試驗，研發一顆新藥的平均成本動輒超過20億美元，且臨床一期到通過核准的成功率不到10%。在這樣的背景下，PBPK與PBBM建模技術的崛起，並非僅是工具的升級，而是對傳統製藥價值鏈的根本性重構。
從技術演進路徑觀察，歐洲藥品管理局（EMA）早在2018年便發布《PBPK建模報告規範指引》，美國FDA亦在2020年將生理藥物動力學分析納入新藥申請的量化證據框架，這顯示監管機關已逐步接受模型數據作為決策依據。Corealis與PhinC此次合作，正是順應此監管科學化趨勢的具體實踐。
值得關注的是，這場合作也凸顯了CDMO（委託開發暨製造組織）產業的競爭壓力：隨著AI與建模工具的普及，傳統CDMO若無法整合預測性科學能力，將逐漸淪為單純的製造代工，價值鏈定位恐將被壓縮至最低端。Corealis透過與PhinC的策略聯盟，實質上是在重新定義自身從「配方服務商」躍升為「預測性配方解決方案商」的戰略定位。
對比2010年代雲端運算與高通量篩選技術崛起時，製藥產業所經歷的數位轉型浪潮，本次Corealis與PhinC的合作可視為「模型導向藥物開發」（MIDD, Model-Informed Drug Development）從概念走向規模化商業應用的關鍵節點。以下預測未來三年三種可能的演進路徑：
針對不同利害關係人，提供以下具體行動決策建議：
01 起因觸發：Corealis與PhinC宣布策略合作，整合PBBM/PBPK建模於早期配方開發
02 一階傳導：CDMO產業競爭格局重塑，缺乏預測建模能力的傳統代工廠面臨價值鏈降級壓力
03 二階擴散：AI製藥建模軟體市場需求加速，監管科學人才與藥物動力學專家爭奪戰升溫
04 宏觀終局：全球製藥研發成本結構轉變，新藥開發時程縮短，罕病與小分子口服藥市場可及性提升
因果網路圖譜 3 節點
可拖曳節點 · 點兩下開啟文章