AI在制药行业成为热门话题已有近十年时间，无数头条新闻宣称它将彻底改变药物的发现、开发和部署方式。然而，炒作往往超过了实际进展；不过，随着越来越多由AI生成的候选药物进入临床试验，我们正处于这一领域的关键转折点。随着首批AI设计的分子开始进行临床试验，整个行业正在密切关注，AI能否真正带来新颖且成功的疗法，还是会仅仅作为复杂研究过程中的辅助工具。
AI在研发中的角色演变
AI并非单一技术，而是一套广泛计算工具的集合，可以支持药物开发的几乎每个阶段。在早期发现阶段，AI可以帮助识别新的靶点、生成新化学化合物、预测药物与蛋白质的相互作用，并优化先导化合物（具有潜在疗效的化合物）以实现理想特性。在后期阶段，AI越来越多地用于选择临床试验患者、重新利用现有药物以及预测不良反应。
早期关注点集中在生成式AI模型（尤其是深度学习和强化学习框架）上，这些模型能够比任何人类化学家更快地生成候选化合物，并且理论上可以比传统方法更高效地探索庞大的化学空间。
过去，AI设计的候选药物通常局限于计算机模拟实验或临床前阶段。但现在，这种情况正在发生变化。
AI进入临床阶段
在过去的两年中，多种AI设计的药物已进入人体试验阶段，为这些技术提供了首次真实世界测试的机会。
总部位于香港和纽约的AI生物技术公司英矽智能（Insilico Medicine）在2023年引起了广泛关注，当时该公司宣布其使用专有平台Pharma.AI开发的候选药物INS018_055已进入II期试验（测试有效性和安全性）。该化合物完全基于生成模型设计，并利用结构数据进行训练，这初步证明了AI不仅仅是筛选化合物库的工具。
其他公司如BenevolentAI、Recursion、Schrödinger和Relay Therapeutics也在推进通过AI工具识别、优化或优先排序的候选药物，尽管并非所有药物都严格属于“AI生成”。重要的是，这些公司不仅仅是发现分子，还定位自己为药物开发者和战略合作伙伴。
制药行业的认可：战略合作浪潮
大型制药公司越来越接受AI，通过合作、合资和收购来降低目标选择的风险并加速早期药物开发。一个典型案例是赛诺菲（Sanofi）与Exscientia之间达成的高达52亿美元的合作协议，专注于肿瘤学和免疫学领域的AI设计小分子。
此外，阿斯利康（AstraZeneca）一直在与BenevolentAI合作，以识别慢性肾病和纤维化的新药物靶点。辉瑞（Pfizer）、拜耳（Bayer）、默克（Merck）和罗氏（Roche）均已与AI原生生物技术公司建立合作关系，或者发展内部能力，通常聚焦于罕见病、中枢神经系统疾病或靶点解析等领域。
这些合作反映了更广泛的思维转变：AI不再被视为传统研发的竞争对手，而是作为一种战略推动工具，利用人类专业知识提高高风险领域的准确性和压缩时间表。
效率提升还是新的瓶颈？
AI在药物发现中的核心价值主张是速度和效率。药物开发通常耗资超过20亿美元，每种新药的研发周期长达10至15年。AI承诺通过快速生成候选化合物、改进靶点-疾病关联的准确性以及选择更好的试验患者群体，缩短从靶点识别到候选提名的时间。
例如，英矽智能声称，INS018_055从靶点发现到新药临床试验申请仅用了不到30个月，显著快于行业平均水平。然而，这些效率声明的真实世界验证仍在进行中，目前尚不清楚AI是否能在后期开发阶段缩短时间，毕竟大多数成本和失败仍集中在此阶段。
此外，针对AI设计药物的监管路径仍在发展中。虽然这些分子本身遵循行业标准，但关于知识产权所有权、算法透明度以及模型生成假设的验证问题仍然存在。
炒作、估值与投资者现实检验
围绕AI在药物发现领域的兴奋推动了巨大的投资者兴趣，同时也带来了波动性。许多以AI为核心的生物技术公司在2021年至2022年的生物技术热潮中通过首次公开募股（IPO）或特殊目的收购公司（SPAC）交易筹集了大量资金。然而，随着投资者热情遭遇漫长的开发周期、有限的临床进展以及不确定的货币化策略，几家公司的股价大幅下跌。
例如，BenevolentAI在2022年通过价值15亿欧元（约合18亿美元）的SPAC上市，但到2024年中期已失去超过70%的价值。尽管Recursion拥有雄心勃勃的数据驱动药物发现平台，并与拜耳和罗氏建立了合作关系，但也面临股东对其要求更快回报的压力。
尽管如此，该领域仍在成熟。投资者和制药合作伙伴正从宽泛的平台转向更加聚焦的评估，基于数据驱动的生产力、临床进展和管线价值。
成功会是什么样子？
行业现在正接近一个重要里程碑：首个AI设计药物的监管批准。如果INS018_055在II期试验中取得积极数据，这将标志着一个变革性的时刻，不仅验证AI作为一种工具，还证明它是新疗法的独特来源。
展望未来，AI可能会通过使小型公司无需庞大实验室基础设施即可设计高质量分子，从而实现药物开发的多样化。它还可能在罕见病、被忽视适应症或新兴病原体领域解锁进展，而这些领域传统商业模式难以证明投资合理性。
除了小分子外，AI还在生物制品设计、蛋白质工程、信使核糖核酸优化和临床试验设计中得到探索，表明其影响可能贯穿整个制药价值链。
从概念验证到临床验证
AI不再是制药行业的未来主义概念；它正在产生实际资产、形成战略联盟，并逐步在临床管线中赢得一席之地。然而，期望依然很高，现在的举证责任在于人体试验，而非机器模型。
随着第一波AI设计的药物进入中期开发阶段，行业不仅会关注监管批准，还会寻找证据，证明AI能够在失败仍是常态的领域中改善结果、加速时间表并降低成本。如果成功，下一个十年或许不仅属于AI，还可能由AI设计。
(全文结束)
