人工智能多年来一直被称作"即将变革药物研发"。2025年，故事开始转变——因为多款由人工智能发现或设计的候选药物在多种重大疾病中产生了真实、可解读的临床信号，从斑块型银屑病和特发性肺纤维化(IPF)到罕见遗传性结肠息肉综合征和HER2驱动型癌症。[1]
这并不意味着人工智能已经"解决"了医学问题。但它确实意味着行业终于开始收集最重要的证据：人类临床数据。
2025年AI药物发现最新进展的关键要点
- 斑块型银屑病的晚期"AI设计"药片：武田制药(Takeda)表示，其每日一次的TYK2抑制剂**扎索西替尼(zasocitinib/TAK-279)**在两项III期研究中取得成功，并计划于2026年提交监管申请。[2]
- 生成式AI发现的IPF药物显示肺功能信号：在《自然医学》发表的一项IIa期随机试验中，伦托塞替布(rentosertib/原名ISM001-055)——一款针对IPF的AI生成TNIK抑制剂——与安慰剂相比显示出用力肺活量(FVC)的剂量相关性改善。[3]
- 罕见病项目被定位为AI平台的"临床验证"：递归制药(Recursion)报告称，REC-4881减少了家族性腺瘤性息肉病(FAP)患者的结肠息肉负担，包括停药后的持续效果。[4]
- AI发现的HER2抑制剂在肿瘤学中早期响应：Iambic表示，IAM1363在经多线治疗的HER2突变癌症中产生部分缓解，并强调了从发现到临床的快于平均水平的时间线。[5]
- AI设计的生物制剂追求"减少给药频率"：生成生物医学(Generate:Biomedicines)公布了GB-0895（一种用于哮喘的长效抗TSLP抗体）的I期中期数据，支持未来研究中每6个月给药一次。[6]
- AI也在搜寻下一代抗生素：宾夕法尼亚大学研究人员描述了从古菌中AI筛选出的抗菌候选物——展示了AI如何扩展类药物分子的搜索空间。[7]
2025年"AI发现的药物"究竟意味着什么？
实际上，"AI发现"可以描述几种不同的现实：
- AI辅助发现：AI帮助优先选择靶点、预测结合或对化合物进行排序——而传统药物化学仍驱动关键决策。
- AI生成设计：生成模型提出针对多个约束条件优化的新型分子结构（或蛋白质/抗体）。
- 端到端AI流程：AI从靶点发现到候选物选择发挥核心作用，有时与自动化实验室配对。
2025年的临床里程碑之所以重要，是因为它们将讨论从营销转向可衡量的终点——人体中的安全性、耐受性和疗效迹象。[8]
同时，主要观察者仍指出一个严酷事实：尽管炒作不断，管道日益扩大，行业仍在努力实现首个被广泛认可的"AI原生"药物获批。[9]
最重要的晚期阶段头条：武田制药的AI设计银屑病药片（扎索西替尼/TAK-279）
今年晚些时候，武田制药(Takeda)发布了一条关于"AI开发药物"的重要消息，称其实验性每日一次药片扎索西替尼(zasocitinib/TAK-279)在两项晚期（III期）斑块型银屑病研究中取得成功。据路透社报道，武田表示在研究中超过一半的斑块型银屑病患者在16周后达到皮肤清晰或几乎清晰，公司预计将在2026年提交上市申请。[10]
武田自己的公告补充了细节：III期项目达到了主要和排名次要终点，超过一半的参与者在第16周达到PASI 90（接近清晰的皮肤），约30%达到PASI 100（完全清晰的皮肤）；公司还表示该药物总体耐受性良好。[11]
对于任何关注"AI发现药物"的人来说，一个关键细节是：路透社指出，武田于2022年从Nimbus Therapeutics收购了该药物，而Nimbus在AI的帮助下识别了该化合物——这是"AI设计"通常反映计算设计与传统研发执行相结合的一个例子。[12]
这对AI药物发现的意义：III期成功是与早期试验不同类型的验证。如果扎索西替尼通过申报和监管审查，它可能成为AI影响发现方法产生大众市场药物的最清晰案例之一。
生成式AI与II期疗效信号相遇：伦托塞替布治疗特发性肺纤维化
如果说武田的消息是关于晚期进展，那么2025年被引用最多的"生成式AI药物"临床论文来自英矡智能(Insilico Medicine)及其合作者，他们在《自然医学》上发表了伦托塞替布(rentosertib/原名ISM001-055)在特发性肺纤维化(IPF)中的IIa期结果。[13]
在摘要中，作者将伦托塞替布描述为一种首创的AI生成小分子抑制剂，靶向TNIK（TRAF2和NCK相互作用激酶），被定位为使用生成式AI发现的IPF首创靶点。该试验是一项多中心、双盲、随机、安慰剂对照IIa期研究。[14]
主要终点关注安全性（治疗中出现的不良事件），论文报告各组间相似。但引发 headlines 的数字是肺功能：60 mg组在12周时用力肺活量(FVC)变化为+98.4 mL，而安慰剂组为**-20.3 mL**，摘要指出存在剂量相关模式。[15]
这对"AI发现药物"的意义：这是该领域需要的出版物——人体试验设计、同行评审报告和临床可解释的终点。它也凸显了一个更清醒的现实：即使使用AI生成的候选物，开发轨迹仍看起来像制药行业——多阶段、仔细的安全监测，以及在任何人称其为突破性疗法之前需要更大的确证性试验。
罕见病验证点：递归制药REC-4881治疗家族性腺瘤性息肉病
另一项2025年底的更新引起关注，因为它将AI药物发现与投资者和科学家一直要求的东西联系起来：证明一个平台能够产生在患者中有效的药物。
递归制药表示，其实验性口服药物REC-4881有助于减少**家族性腺瘤性息肉病(FAP)**患者的异常结肠增生（息肉），这是一种显著增加结直肠癌风险的罕见遗传疾病。[16]
据路透社报道，递归制药表示，在一项早期至中期试验中，11名患者中有9名维持了总息肉负担的持续减少，停药12周后中位减少53%。路透社还报道了5月份的早期初步数据，显示六名患者在治疗13周后减少43%，并指出公司计划在2026年与监管机构接触，定义潜在的关键研究路径。[17]
同一篇路透社文章引用即将上任的CEO纳贾特·汗(Najat Khan)的话，称这些结果是递归制药AI平台的"首次临床验证"——这种说法反映了市场的一个更广泛转变：平台正越来越多地通过临床结果而非计算能力来评判。[18]
肿瘤学中的AI：Iambic的IAM1363在HER2突变癌症中显示早期响应
癌症是AI药物发现的一个特别诱人的目标：未满足的巨大需求、丰富的数据集和明确的临床终点——与无情的生物学相伴。
2025年10月，Iambic Therapeutics报告了IAM1363的早期阶段试验数据，这是一种酪氨酸激酶抑制剂类别的AI发现候选药物，针对具有HER2基因突变的肿瘤。路透社报道称，Iambic表示IAM1363在经多线治疗的患者中显示抗肿瘤活性，涵盖HER2突变肺、乳腺、肾细胞和卵巢癌。[19]
路透社报道中的关键数字：
- 28%的未扩散至大脑的癌症患者的部分缓解
- 33%的可测量脑肿瘤患者的部分缓解[20]
路透社还报道称，这些数据在2025年ESMO大会上公布，并引用CEO汤姆·米勒(Tom Miller)的话描述了从首次合成化合物到临床候选物和临床的不到两年的时间线——与声明的"行业平均"六年形成对比。该报道还描述了Iambic对称为NeuralPLexer（3D结合结构预测）和Enchant（早期性能预测）平台的使用。[21]
意义：如果这些信号随着试验进展而保持，IAM1363可能成为AI加速设计到临床路径的频繁引用的例子——特别是在脑转移等药物特性如穿透性至关重要的领域。
旨在延长给药间隔的AI设计抗体：GB-0895治疗哮喘
小分子不是唯一的前沿。AI越来越多地用于设计生物制剂，包括为更强结合和更长半衰期而工程化的抗体——这些特性可以转化为患者更少的注射次数。
在2025年ERS大会上，生成生物医学(Generate:Biomedicines)公布了GB-0895的I期中期数据，该药物被描述为一种具有YTE Fc修饰以延长半衰期的高亲和力抗TSLP单克隆抗体。该演示文稿指出GB-0895对TSLP的亲和力比已建立的抗TSLP疗法tezepelumab高约20倍。[22]
ERS演示文稿的关键中期要点包括：
- 轻度至中度哮喘中的I期随机、安慰剂对照试验；A部分单次递增剂量 N=80 跨多个剂量队列。[23]
- 演示文稿报告GB-0895耐受性良好，常见的治疗中出现的不良事件包括鼻咽炎、鼻炎和头痛；报告了三起3级严重不良事件，被评估为"与研究药物无关"。[24]
- 演示文稿报告半衰期约为89天，并指出单次皮下注射可提供六个月的药理活性，反映在较高剂量时嗜酸性粒细胞、FeNO、IL-5和IL-13的减少上。[25]
- 演示文稿总结称这些结果支持每六个月皮下给药一次，并指出III期试验预计将于2025年第四季度启动。[26]
意义：在拥挤的呼吸系统市场中，"相同生物学机制，更低负担"可以成为差异化因素。它也是一个提醒，AI最直接的临床影响可能来自优化类药物特性——亲和力、稳定性、半衰期和可制造性——而不仅仅是发明新靶点。
AI也在搜寻抗生素——通过扩大搜索空间
AI药物发现不仅关乎重磅自体免疫或肿瘤药物。它也被应用于医学中最难的领域之一：抗生素耐药性，这里迫切需要新的机制和新的化合物家族。
2025年8月，宾夕法尼亚大学工程学院(Penn Engineering)描述了一项发表在《自然微生物学》上的研究，研究人员使用AI从古菌中识别出以前未知的抗菌化合物，古菌是生命中较少被探索的一个领域。该文章称，扫描233种古菌产生了超过12,000种候选分子（"古菌素"），研究人员从中选出80种对抗细菌进行测试。[27]
宾夕法尼亚大学的报告称，测试的80种古菌素中93%对至少一种细菌显示出抗菌活性，并且在动物模型中测试的三种候选物在单次给药后阻止了耐药细菌的传播；一种候选物显示出与多粘菌素B相当的活性，后者是某些耐药感染的最后一线抗生素。[28]
意义：抗生素是"AI将解决它"这种简单说法的坟墓。这类工作说明了更现实的价值主张：AI可以极大地扩展探索——在人类未曾寻找的地方找到可行的候选物——而实验室测试和安全性仍然决定什么会成为药物。
监管机构和发展基础设施正在追赶AI
即使最好的AI设计药物，如果开发管道不能有效验证它们，也毫无意义。2025年的两项发展表明更广泛的生态系统正在适应：
FDA批准AIM-NASH，其首个AI药物开发工具
2025年12月，美国食品药品监督管理局(FDA)宣布已批准AIM-NASH，描述为该机构的首个AI药物开发工具，旨在帮助病理学家评估代谢功能障碍相关脂肪性肝炎(MASH)临床试验中的疾病活动。[29]
路透社报道称，该工具评估肝组织图像以识别和评分脂肪堆积、炎症和疤痕等特征——旨在标准化通常耗时且手动执行时可变的评估。[30]
FDA扩展内部AI使用
此外，FDA还描述了在AI辅助科学审查试点后扩大内部AI使用的努力，表明监管机构自身正在发展"AI能力"，这可能影响证据的处理和评估方式。[31]
意义：AI发现的药物将越来越多地受到与传统药物相同的瓶颈评判——试验时间线、终点可靠性和可重复性。AIM-NASH等工具暗示了一个未来，某些类型的测量将变得更加标准化，可能在不改变科学标准的情况下加速试验。
最困难的部分没有改变：人类生物学仍然拥有最终决定权
对于看到"AI发现神奇药物"标题泛滥的谷歌新闻读者来说，以下是基本观点：AI正在加速管道的部分环节，但它并不废除生物学定律。
2025年的主要报道仍强调，尚无AI设计药物成为明确、广泛认可的"首次批准"故事——该技术的前景是真实的，但在疾病领域之间分布不均。[32]
2025年确实带来了一些比炒作更有价值的东西：一份带有公开人类数据的命名候选物的不断增长的清单——这正是该领域需要证明"AI药物发现"不仅是一个口号，而是一种可重复的研发策略。
2026年AI发现药物值得关注的事项
如果2025年是AI发现药物开始在临床上变得有形的一年，那么2026年将是有望根据执行情况评判该领域的一年：
- 监管申报：武田表示计划在扎索西替尼III期成功后于2026年提交上市申请。[33]
- 更大规模的确证性研究：伦托塞替布的IIa期信号将需要更大规模的试验来确认持久性、大规模安全性以及有意义的结果。[34]
如果这些多米诺骨牌倒下，关于"AI发现药物"的对话将再次转变——从"它能行吗？"到"它能多快扩展——谁最先受益？"
参考文献
- 路透社, 2. 路透社, 3. 《自然医学》, 4. 路透社, 5. 路透社, 6. 生成生物医学, 7. 宾夕法尼亚大学, 8. 《自然医学》, 9. 《连线》, 10. 路透社, 11. 武田制药, 12. 路透社, 13. 《自然医学》, 14. 《自然医学》, 15. 《自然医学》, 16. 路透社, 17. 路透社, 18. 路透社, 19. 路透社, 20. 路透社, 21. 路透社, 22. 生成生物医学, 23. 生成生物医学, 24. 生成生物医学, 25. 生成生物医学, 26. 生成生物医学, 27. 宾夕法尼亚大学, 28. 宾夕法尼亚大学, 29. FDA, 30. 路透社, 31. FDA, 32. 《连线》, 33. 路透社, 34. 《自然医学》
【全文结束】
