葛兰素史克表示，智能体AI技术正在影响其药物研发管线中的每个项目，制药企业正竞相采用该技术以降低新药开发的成本和风险。
葛兰素史克人工智能与机器学习总监艾亚尔·伊茨科维茨在周二伦敦科技周上表示，该技术已成为这家制药巨头研发部门的实际运营工具。
"在葛兰素史克，我们所有研发项目当前都受到智能体AI的影响，这并非未来概念……而是正在发生的现实，"伊茨科维茨指出。
此声明发布之际，葛兰素史克股价周二下跌近3%，原因在于公司宣布以106亿美元现金收购波士顿生物制药企业Nuvalent，溢价高达40%。
市场对该巨额收购的初步谨慎态度，反映出制药巨头在加速缓慢研发管线时面临的巨大成本压力。
数十年来，制药行业始终受困于埃鲁姆定律——该现象描述新药研发成本呈指数级螺旋上升，目前平均获批成本已突破17亿英镑（22亿美元）。
"精准医疗的概念已存在数十年，"伊茨科维茨表示，"传统上这意味着我们能找到某种生物标志物来区分响应与非响应患者，从而为正确患者提供正确治疗。"
但现代医疗数据的爆发式增长开辟了全新路径，有望突破传统临床试验约90%的失败率。
据伊茨科维茨所述，当代数据仓库的深度使研发者得以超越单一生物指标进行分析。
"我认为凭借现有数据及临床与临床前领域前所未有的深度与规模，我们能做得更好，"他补充道，"如今的数据使我们得以重新定义相似性概念——这不仅关乎单一标志物，而是涵盖分子标记的深刻相似性体系。"
改变AI驱动的研究规则
通过运用生成式AI扫描海量内外部数据集，葛兰素史克正尝试实现高度个性化的治疗方案。
"这使我们能够针对单个患者，扫描整个外部数据资源库，"伊茨科维茨解释道，"无论是文献资料还是临床试验及实验室产生的数据，我们都能从中为特定患者匹配最佳治疗方案。没有生成式AI，这根本无法实现。"
尽管早期筛选具有显著经济效益，伊茨科维茨强调行业部署该技术时必须遵守严格监管框架。
"当然，我暂时回避了某些监管问题，"他坦言，"目前我们仍不能允许生成式AI自主设计新疗法并直接采用。但当下已能实现大量应用。"
当整个医疗科技行业正应对大语言模型（LLM）信息幻觉风险时，伊茨科维茨指出，结构化的智能体系统实际上比传统独立模型提供更高透明度。
"从单纯使用大语言模型到采用智能体AI存在重大跨越，"他表示，"智能体AI核心是强大的大语言模型，同时配备现实操作工具。某种程度上，智能体AI比纯粹的大语言模型挑战更小——它不仅是输出答案的黑箱，而是实际运行分析工具的系统。"
完善的智能体系统可追踪分析过程、访问数据、参考文献及中间结果。
"你能够实际追溯来源，"他说，"任何审查者都能复现智能体的操作过程。"
这种可追溯性将在药企与医疗系统决策过程中日益关键，关乎AI在该领域的可信度边界。
这也揭示医疗AI面临的核心矛盾：当软件系统介入时，患者和临床医生对错误的容忍度远低于人类操作者。
【全文结束】