人工智能（AI）正在成为生物制药领域的一场重大革命，从药物发现到临床试验，其影响无处不在。技术的车轮飞速转动，随着AI的种子开始生根发芽，行业领导者们正努力理解它已经取得的进展以及未来的发展方向。
科学与技术基金（Fund for Science and Technology，FFST）的创始总裁兼首席执行官Lynda Stuart博士表示：“对于生物技术领域的AI来说，这是一个有趣的时刻，因为它正从一项新兴技术转变为一种真正可用的工具。” FFST是一家新成立的风险投资集团，致力于推动生物技术及其他领域的可持续技术创新。“从理论到实际应用的过渡展现了巨大的机会，不仅可以定义负责任的使用方式，还能降低风险。”
Stuart回顾了该领域的早期发展。FFST是“Paul Allen生态系统”的一部分，这一术语指的是已故企业家Paul Allen，他以与比尔·盖茨共同创立微软而闻名，并在2018年去世前开始将编程推向AI领域。她还曾与生物化学家David Baker合作，后者因开发蛋白质设计技术而与AlphaFold的创始人共同获得了2024年诺贝尔化学奖的一半。Stuart指出，Baker的想法如今被视为革命性的，但在当时却被认为是天方夜谭。
“[Baker]有一个疯狂的想法，他要从零开始设计蛋白质——当时所有人都认为他是异想天开，” Stuart说，“而现在，FFST预计到明年年底将提供1.5亿美元的AI相关资助。”
Stuart表示，新技术的发展总伴随着加速和刹车的过程，而FFST正试图找到这种平衡点。他们呼吁建立一种既能推动创新又能抑制过度炒作的思维方式。
“理解并应对创新中的这种张力，意味着要建立一个足够灵活的框架，让创新能够以应有的速度推进，同时知道何时需要进行监管，” Stuart说，“我们提出了一种称为‘如果-那么’的框架，即如果某些能力得以实现，那么就去应对它们——但不要对十年后的事情过于恐慌。”
传统与进步的悖论
制药行业的一个悖论在于，尽管尖端科学推动了每一次重大进步，但领导层有时却对拥抱新技术持保留态度。财务和监管风险在这种张力中扮演了重要角色。
“这是我多年来一直关注和痴迷的问题，”曾在制药巨头强生公司（Johnson & Johnson）担任研发主管的Mathai Mammen博士说道。当AI革命仍局限于较小的计算机科学圈子时，他就提倡利用数据集和机器学习来优化临床试验的招募过程。
“十年前，我开始看到技术的演变，尤其是卷积神经网络技术随着电子数据的普及而兴起，” Mammen说，“我当时就知道这将引发一场革命，无论是在药物发现还是药物开发方面。当我加入强生时，这成为了我的座右铭，也是我努力推动的重要目标。”
如今，作为生物技术公司Parabilis Medicines的首席执行官，Mammen回忆起当时对AI的抵制，尽管公司高层普遍支持这一概念。
“仍然有一些人坚持传统的做法，他们觉得尝试新事物会带来太多公司和个人风险，” Mammen说，“过去的成功经验在某种程度上成为了一种阻力，越是经验丰富、成功的机构，可能越抗拒改变。”
不过，Mammen通过与志同道合的高管合作，专注于解决短期问题，最终克服了这种阻力。这意味着深入挖掘数据的使用价值，而不是在公司尚未准备好时仓促引入基础技术。
“我们改变了组织结构，赋予数据科学团队真正的权力——这当然会引发一些抵触，因为这意味着某些人的权力被削弱了，但他们很快意识到，这种新的合作关系会让他们更成功，” Mammen说，“这些逐步的变化促使整个组织从零开始转变为可能是制药行业中领先的数据科学组织。”
Mammen将强生当时产品组合的成功归因于他和他的团队作为早期采用者，能够有效部署这些工具和思维方式。
面向未来的建设
2022年，赛诺菲（Sanofi）在马萨诸塞州东剑桥揭幕了一个新园区，旨在满足当今的科学需求，同时为未来的技术发展做好准备，特别是在免疫科学领域。
“有些事情是你无法预见的，”赛诺菲全球研究平台和计算研发负责人Matt Truppo在6月参观剑桥十字设施时表示。他指出，过去需要数月才能完成的流程现在只需几周，而“我们现在每天都能处理多个结构，部分得益于AI对超大数据集的利用。”
Truppo表示，公司在建设时必须着眼于未来。
“你试图做的是以未来需求为愿景进行建设，当你发现这些需求的增长超出了预期时，就需要回头调整，”他说。
这片占地90万平方英尺的园区包括两栋建筑，旨在促进科学家和公司领导之间的协作。研发团队也必须以类似的方式思考数据。
“我们正处于一个阶段，学术界和工业界的新模型发展如此迅速，以至于你需要能够快速测试、内化、评估它们，看看你想与谁合作，以及你的内部模型在哪些方面更具优势，” Truppo说，“我们有这座新建筑的优势，但即便如此，我们也必须跟上步伐，而人类的直觉仍然是其中的重要部分。”
FFST的Stuart表示，在AI逐渐成为广泛使用的工具时，保持人性化的视角和传统的科学流程，将有助于防止行业失控。
“我希望这种炒作不会失控，”她说，“你始终需要用真正的科学来验证假设——如果你试图制造某种东西却失败了，那仍然教会了我们一些东西。”
(全文结束)
