2011年，我们正经历着云计算和智能手机技术的崛起。应用程序（app）已经成为一种现象：社交媒体应用如Instagram（2011年的iPhone年度应用）和Twitter，工具应用如Evernote和Dropbox，导航应用如Google Maps和Waze，以及游戏应用如Angry Birds。
然而，在医学领域，正如我当年在《福布斯》杂志上所写，所谓的“杀手级应用”却是一款相对传统的电子教科书——UpToDate。该公司成立于1992年。由医学专家编写和审阅的UpToDate，成为了从勤奋的医学生到忙碌的住院医师再到经验丰富的临床医生，在2010年代寻找当前、可靠医疗信息的首选资源。
十年后的2021年，UpToDate依然是首选应用；2022年和2023年亦然。然而，今天这一局面可能正在改变。当一位同事最近提到年轻医生似乎开始使用一款名为“Open Evidence”的基于AI的资源时，我感到惊讶且有些怀疑。但当我询问那些每天与年轻医生打交道的临床同事时，发现这些传言似乎是真的。加州大学旧金山分校（UCSF）内科主任Robert Wachter在X平台上写道：“我认为[Open Evidence]正在成为住院医师的首选资源。它能够处理复杂的病例提示，全面解决临床案例，并且引用非常可靠。”
哈佛大学的临床同事们也分享了类似的经验；其中一位告诉我，这种采用速度是“病毒式的”，并补充道：“我从未见过这种情况。”我知道我的学术同事们将会仔细研究Open Evidence的使用及其对患者护理的影响。
对于TR的生物制药行业读者来说，Open Evidence的例子应该是一个生动的提醒：事情不会改变，直到突然间就变了。一年前，每个人都在使用UpToDate；今天，许多年轻医生已经开始拥抱Open Evidence。
对于新兴技术，变化往往是由“领先用户”（麻省理工学院教授Eric von Hippel的术语）推动的——他们是前线工作人员，专注于解决一个紧迫的问题，并乐于利用任何最有效的手段。作为一名住院医师，你的紧迫问题是面对大量需要处理的事情，它们来自四面八方，同时出现。你迫切希望为患者提供最好的护理，并有动力使用任何最有用的资源。Open Evidence似乎达到了这一标准（至少对一些早期职业医生来说），这强烈证明了其感知价值。忙碌的住院医师们显然不是因为对AI的好奇或部门倡议而使用Open Evidence；他们使用它是因为认为这是解决问题的最佳方案。对他们来说，通过Open Evidence实现的AI不是一个“寻找问题的解决方案”。而是一个解决他们当前紧迫需求的定制工具。
遗传学领域有一个类似的例子。多年来，我经常听到对医生在临床实践中不愿利用遗传学的无尽批评；更好地教育临床医生遗传学的迫切需求是一个熟悉且反复出现的呼吁。然而，当一种可以可靠评估特定胎儿染色体异常的遗传诊断测试（无创产前检测，NIPT）问世，并在许多情况下可以取代羊膜穿刺术时，其采用速度既快又广泛。患者、医生和支付者似乎都接受了它，因为其益处显而易见。
这自然将我们带回到制药行业的AI应用。
在我的前三篇文章中，我曾论述过：
- 在研发中持续挑选赢家是一个令人困扰的挑战。
- 如果严谨而明智地利用人类因果生物学（例如Vertex和Regeneron），可能会有所帮助。
- 尽管许多读者仍然持怀疑态度，但人类因果生物学，正如Vertex和Regeneron所利用的那样，正在创造显著的价值，通过明智地利用AI，将进一步带来优势。
读者对将AI应用于研发的怀疑甚至超过了对人类遗传学应用的怀疑——而热情的遗传学家往往是批评最激烈的。一位读者（并非来自波士顿地区，而且是遗传学爱好者）写道：“我也认为你对AI过于乐观——我真的不喜欢这样的说法：‘新兴技术如AI将帮助改善科学理解并做出更好的决策’。我们还不知道AI将（或不会）变得多么具有变革性，断言它一定会带来价值只会助长炒作，使许多诈骗公司打着GPT4的品牌面孔或从风险投资家那里筹集资金，而没有真正的愿景。”
我感谢他的坦率和视角，这当然是熟悉的，并反映了制药研发领域AI乐观主义者和怀疑者之间存在的巨大鸿沟。
在支持AI的一方，似乎有两个截然不同的群体：一小群科学素养高的爱好者，他们非常兴奋地探索AI在研发中的潜力；以及一个更大的“数字转型者”群体。
我所见到的，对AI感兴趣的科学家在大多数大型制药公司中地位和组织影响力都非常低，尽管有一些例外（例如，基因泰克/罗氏的Aviv Regev）。更常见的是，他们被视为可爱（我确实听到过数字转型者使用这个词）。
数字转型者的任务是执行从C-suite发起的广泛企业计划，这些计划由管理顾问驱动，专注于运营效率，通常通过短期过程指标进行评估。这些组织目标，强调在整个企业中融入AI，被CEO们在达沃斯论坛上以及大型制药公司在HLTH等行业会议上的高管们大肆宣传。
然而，将手段变成目的可能是有问题的。古德哈特定律（参见此处）指出：“当一项衡量标准成为目标时，它就不再是好的衡量标准。”同样，当使用AI本身成为目标，而不是工具时，结果可能是表演性的AI泛滥，缺乏深思熟虑的应用来解决制药公司面临的最关键问题：发现和开发下一个原创、有影响力的药物。
因此，大多数制药研发老手对AI在研发中的应用普遍持怀疑态度是可以理解的，因为它似乎带有所有伟大企业计划的特征，这些计划需要在实际进行伟大科学和开发有影响力的新型药物的过程中忍受。
围绕AI的疯狂炒作也没有增强信心。虽然大多数初创公司都抱有崇高的目标，倾向于用大胆的承诺启动项目，但AI初创公司提供的夸张期望可能自成一派。正如行业化学家和著名的“In the Pipeline”博客作者Derek Lowe最近提醒读者的那样，Recursion Pharma在2014年声称将在十年内开发100种药物——这是一个荒谬的主张，让许多有经验的药物开发者难以认真对待。
我的担忧是，合理的怀疑很容易演变成反射性的愤世嫉俗（我在这里讨论过“愤世嫉俗陷阱”），这可能导致研发团队忽视早期但真正有前景的机会，这些机会可能是真正具有变革性的。特别是，当感觉到一些这种愤世嫉俗情绪来自遗传学家时，我尤其失望，因为在许多遗传学家致力于大规模遗传学工具和技术时，他们曾受到怀疑其方法前景的批评者的攻击。一篇代表性的文章，2010年《科学美国人》Stephen S. Hall的文章标题为“革命推迟：为什么人类基因组计划令人失望”。该文章的副标题写道：“人类基因组计划迄今未能实现科学家承诺的医学奇迹。生物学家现在对出了什么问题以及接下来需要做什么存在分歧。”
然而，随着时间的推移，经过巨大的努力（和财务资源），人类基因组计划及相关努力（如英国生物样本库）的价值开始（可以说）得到证明。（例如，参见Richard Gibbs的2020年文章。）
确实，遗传学可能没有达到某些最乐观的早期预期（参见普林斯顿大学遗传学家兼计算机科学家Olga Troyanskaya的深入评论），但根据任何合理的估计，这些努力已经极大地促进了科学、医学和生物制药研发。
我预计AI最终也将具有类似的变革性，当明智地开发并深思熟虑地利用时，将成为管理生物制药研发日益复杂性的必要工具。不太确定的是，何时这样明显有用的AI工具将开始出现：今年？本十年？就像现在依赖Open Evidence的年轻医生一样，制药研发科学家可能很快会发现，AI的使用已经变得自然而然，成为我们工作的一部分，我们可能会想知道没有它我们是如何生存这么久的。
(全文结束)
