人工智能在药物发现和开发领域的时代才刚刚开始。业内人士预测，这不仅会带来速度和规模的变革，更将重新定义成功制药企业的核心要素。
随着机器学习与生物技术的交叉融合，辉瑞前首席科学官米凯尔·道尔斯坦博士预测："未来几年将是精准医学实现突破的关键时期。借助强大的数学算法和海量数据集，我们有望在2030年前实现疾病治疗和定义方式的革命性转变。"目前担任人工智能药物研发公司Immunai顾问的道尔斯坦，描绘了未来实验室"将科学与医疗实践实现实时融合"的愿景。
从英矽智能开发的肺纤维化药物rentosertib，到谷歌DeepMind诺贝尔奖级的AlphaFold蛋白质结构预测平台，AI已经创造了多个成功案例。诺和诺德利用人工智能平台寻找新型心代谢疾病候选药物的经验显示，AI筛选药物的效率和成本优势显著。"要在制药领域真正实现AI价值，需要像骑自行车穿越森林般敏捷决策。"诺和诺德AI与数字创新高级副总裁帕特尔如此比喻。
Cradle公司CEO范·格里肯强调："未来AI发展需要更强的自我认知能力，当模型遇到知识盲区时应主动说'不知道'或请求澄清。"该公司研发的平台能让研究人员通过构建"候选化合物矩阵"，在单一流程中完成传统方法需要多次实验验证的过程。他同时提醒："不能期待AI像魔法盒子般理解所有疾病机理，这需要将AI洞察与人类专业知识深度融合。"
Immunai CEO诺姆·所罗门指出："AI在药物研发中最大的价值不仅在于发现新药，更在于及时终止失败项目。"其公司开发的Amica平台基于5000万个单细胞多组学数据，预计五年内将覆盖10亿个细胞样本，形成百万患者数据库。该公司启动的学术合作计划已向免疫学研究人员开放测序技术，旨在弥补NIH经费削减造成的科研缺口。
尽管AI应用前景光明，行业领袖们强调最终产品仍需要人类智慧的参与。道尔斯坦回顾职业生涯时感慨："过去研发团队中计算专家仅占5%，现在我们正在经历向预测模型化研发的范式转变。"
推荐阅读
人工智能已在药物发现领域占据一席之地，未来将走向何方？
【全文结束】
