本周早些时候，在"The Briefing: AI for Science"活动上，Anthropic公司宣布推出Claude Science，这是一款新的"科学家AI工作台"，能够将分散的工具和数据集整合到一个环境中，并生成图表和可视化内容。Anthropic凭借其流行的编码工具和强大的AI模型已在行业内占据主导地位，此次发布围绕AI"大幅加速科学发现和医疗干预开发"的潜力展开，并列举了大量已使用Claude的生物技术和制药客户。
Anthropic更进一步表示，公司将自主研发药物。生命科学部门负责人Eric Kauderer-Abrams表示，公司将专注于发现针对"被忽视"疾病的治疗方法。
AI公司一直热衷于吸引科学和制药客户——OpenAI、亚马逊、谷歌等公司都有自己的生命科学工具和平台。但Anthropic的这一计划是主要前沿AI公司中最为直接公开尝试自主研发药物的举措之一。这使Anthropic处于一个不寻常的位置：向其他潜在的竞争对手制药商销售软件。Anthropic加入了更广泛的竞赛，参赛者包括Insilico等以AI为核心的制药公司、谷歌DeepMind分拆的Isomorphic Labs、生物科技初创公司以及自行构建或购买AI工具的大型制药公司。
Anthropic对于其在药物开发领域的目标几乎没有提供具体细节。在活动中，Kauderer-Abrams并未说明公司若发现有前景的药物候选物将如何处理。Anthropic也未回应《The Verge》要求提供更多细节的请求，包括公司计划首先针对哪些疾病，以及是否会与其他公司合作进行实验室工作、动物测试、临床试验或制造。
AI应用于"药物发现的每一个阶段"。
专家告诉《The Verge》，围绕Anthropic计划的不确定性反映了AI药物热潮本身更广泛的不确定性。"AI药物发现"可以意味着许多事情。剑桥大学教授、AI生物科技初创公司CardiaTec的联合创始人Namshik Han解释说，它"是一个非常宽泛的术语"。他表示，AI应用于"药物发现的每一个阶段"，从发现新化合物并改进它们，到支持研究、数据分析、临床试验，甚至制造。他表示，每家主要制药公司都将以某种方式使用AI。伦敦大学学院药物发现教授Matthew Todd也表达了类似观点，认为AI已经渗透到药物发现和研究中，鉴于其广泛的用途，这已成为一个"包罗万象的短语"。
AI无疑正在改变药物开发。Han提到了阿斯利康、诺和诺德和GSK等制药巨头的众多举措，并表示AI已经可以帮助生成可能的药物构想，例如建议能与已知参与特定疾病或现有药物靶点的细胞受体等身体部位相互作用的新分子。Todd表示，AI对于加速研究和帮助"实地测试"新药物构想非常有用。鉴于Anthropic在前沿模型方面的工作，该公司可能会使用生成式AI来搜索大量化学和生物可能性，帮助研究人员建立原本难以或缓慢发现的联系，可能提出新的药物构想、识别新的疾病靶点，或为现有药物找到新用途。
但这距离AI设计的药物到达患者手中仍有很长的路要走。Todd表示，该领域距离AI设计的药物获得监管机构批准用于人类"还很遥远"。他补充说，药物发现过程不会自动运行，全程都需要人类的输入和监督。Todd和Han都指出，缺乏公开可用的高质量实验数据（例如各种化学物质在体内的行为）也可能减缓药物开发工作，并强调即使对于研究充分的生物学领域，我们对事物如何运作的理解仍存在巨大空白。
AI模型"远未达到使实验变得不必要的程度"。
AI无法解决药物发现中最缓慢的许多环节。牛津大学结构化学生物学教授、牛津药物发现中心蛋白质晶体学负责人Frank von Delft表示，人们对先进AI模型感到兴奋是正确的，但它们"远未达到使实验变得不必要的程度"。药物候选物仍需在现实世界中测试其功效、毒性以及是否具有可安全制备、储存和作为药物递送的实用特性。所有这些都需要熟练的工人、大量资金和时间，尤其是人体临床工作——在这个阶段，许多有前景的药物候选物会失败。如果Anthropic想要开发一种药物，von Delft表示，公司"将不得不在实验上花费大量资金"。
Anthropic可能愿意尝试。在过去一年中，该公司一直在积极招聘生物学家并建设自己的湿实验室，撰写本文时，公司有多个生命科学职位的招聘正在进行中。Han表示，Anthropic也在该领域"积极招聘"，并补充说公司的几位学术同事曾被该公司接触。Han没有点名，但表示他认为Anthropic已成功从大型制药公司和知名学术机构挖走了一些人才。
考虑到所有这些复杂性，无论Anthropic选择哪种疾病，任何回报都可能还有很长的路要走——至少需要十年左右的时间，因为新药通常需要这么长时间才能完成临床试验。Todd表示，测试药物"总是有很长的滞后时间"。"需要时间通过实验来证明某物是安全的。"目前还没有任何AI设计的药物通过临床试验和FDA批准上市。一些AI开发的候选药物已进入临床试验，但很难知道AI的贡献有多大、在哪个环节使用了AI，或者这些候选药物是否优于传统药物。AI可以加速部分搜索过程，但药物仍需以传统方式证明自己：通过在现实世界中进行缓慢、系统化的实验。
【全文结束】