未来实验室调查揭示创新走向何方？
这些新的调查数据显示，超过四分之三的实验室预计在未来两年内使用人工智能（AI）。尽管AI仍是这些实验室的首要投资领域，但"人工智能技能缺口"正迅速成为AI应用的最大障碍之一。
这些见解来自2025年《实验室演变》行业报告，该报告分析了年度"未来实验室"调查。这项调查现已进入第三年，由倡导生命科学研发领域加强合作的全球非营利联盟Pistoia Alliance与Open Pharma Research合作进行。
该调查研究了实验室技术的使用和投资情况、采用"未来实验室"技术的主要优势和障碍，以及未来实验室可能需要进一步支持的领域。2025年版报告汇总了来自欧洲、亚太和美洲制药、生物技术、软件、服务、学术界和非营利组织的200多位专家的反馈。调查的关键发现由Pistoia Alliance总裁Becky Upton博士在2025年欧洲未来实验室大会的主题演讲中公布。
为了更深入了解这份新报告以及药物发现和生物制药实验室的未来展望，《Technology Networks》在大会期间采访了Pistoia Alliance首席投资组合官Christian Baber博士。
AI正在崛起，但再培训问题可能迫在眉睫
通过年度调查，Pistoia Alliance旨在提供行业现状的快照，供业内人士比较和对比他们的实践。
"我们的目标是教育，以及让人们协同工作，"Baber说。"我们开展了多个围绕分享使用案例、成功经验和失败教训的项目，并识别痛点和优势。这就是这项调查的目的。它旨在确定我们可以提供帮助的地方、人们需要改进的地方，但更重要的是，确定人们做得好的地方以及情况正在改善的地方。"
在其他问题中，2025年"未来实验室"调查询问了受访者关于实验室当前和预测的未来技术使用情况、他们面临的文化和技术挑战，以及他们可能受益的支持需求。调查的关键要点包括：
- AI使用预计将增加： 77%的受访者报告称预计在未来两年内使用AI，AI也是首要投资领域（63%）。
- 电子实验记录本（ELNs）和云平台正在上升： ELNs是最广泛使用的技术，采用率从2024年的66%上升至81%。云数据平台的使用率也从2024年的70%提升至2025年的80%，这可能由仪器供应商将软件转向云端所推动。
- 监管清晰度正在改善： 只有9%的受访者将监管视为实施AI的障碍，低于2024年的23%。
- 实验室数据障碍正在下降： 数据孤岛仍然是最大的挑战，但下降了9%，非结构化数据仍然是第二大障碍。
- 公司在机器人技术和自动化方面存在分歧： 51%的公司预计在未来两年内使用机器人技术和自动化，低于2024年的57%。然而，在制药的需求方，采用率明显高于供应方。
"我很高兴看到的一点是，获取数据和数据孤岛仍然是最大的问题——但它正在好转。好得多，"Baber说。"不过令人担忧的是，获取具备适当技能的人似乎是个问题。"
尽管AI采用率预计会增加，但34%的受访者将缺乏具备适当技能集的人员列为在实验室大规模实施人工智能和机器学习（ML）的前三大障碍之一——这一比例从2024年指出这一点的23%显著上升。当被特别问及什么支持有助于更好地将AI/ML整合到实验室时，51%的人希望看到实践用例或类似的"操作指南"，45%的人希望在实验室中提供特定的AI/ML教育课程，40%的人希望获得AI/ML技能和算法构建培训。
"另一个阻碍因素是管理层支持和企业文化，"Baber补充道。"综合来看，你可以看到技术正在变得更好，但公司并没有对人员进行投资——他们要么没有招聘具备适当技能的人员，要么没有对[劳动力]进行再培训。"
"[障碍]存在，这很不好，但在技术、数据共享等方面它们正在改善。没有改善的是人的方面、人员的方面，而这些应该是。"
范式转变：从提高效率到加速创新
数字化转型也是调查的核心支柱，调查询问受访者他们认为实验室数字化的最大好处是什么。
"Vertex Pharmaceuticals（Vertex制药公司）的Julie Huxley-Jones过去总是明确区分数字化（digitization）和数字化转型（digitalization），"Baber说。"数字化是说，'我有一个PDF，这是一个数字文件'，而真正的问题是，你是以数据为先吗？你是捕获数据、结构化数据、分析数据并用它来生成PDF，还是先生成PDF报告再进行后续操作？摆脱报告，转向数据优先[态度]要好得多。"
"实验室数字化的理想状态是在你的ELN中规划一个实验，然后你去使用仪器，它已经设置好进行你的实验。你进行这个实验，[仪器]自动运行，将数据存放在某处，填充你的ELN，并且它拥有所有元数据，因为它在你的ELN中，"Baber继续说道。"这就像你只输入一次元数据，然后让它通过各种仪器和各种流程传递。"
调查受访者将加速创新和新突破确定为实验室数字化的最大好处（53%），紧随其后的是降低数据共享、互操作性和协作的障碍（49%），第三位是提高研发的效率和有效性（47%）。这明显违背了2024年的趋势，在2024年效率是最大的好处，73%的受访者引用了这一点。
"去年，人们非常关注效率，而[对]创新、协作以及为此使用AI和新技术的关注要少得多。这似乎已经翻转了，"Baber说。"现在，[行业]更加挑剔，他们正在寻求更大的影响。"
对未来实验室的积极展望
除了弥合AI技能缺口所涉及的挑战外，调查还确定了其他几个关键障碍，这些障碍必须得到解决，研发实验室才能完全拥抱"未来实验室"的理念。
例如，文化障碍和机构对数据共享的抵制是充分利用实验室数据的第三大障碍。当被要求指出阻碍跨实验室协作的最大单一障碍时，常见的答案包括不支持数据共享的工具和系统（26%）、管理层鼓励不足（20%）以及缺乏公司标准用于数据重用和共享（13%）。
"反复出现的一个问题是——在我们的会前谈话中出现过，在调查中也出现过——仪器供应商没有以完整的方式提供对你自己数据的访问权限，"Baber补充道。"有时他们会说他们提供了，但它缺少某些内容，或者你不进入后端就无法获得某些功能。"
尽管如此，Baber对该行业的方向非常乐观，他强调："我们距离这个灵丹妙药还有很长的路要走，但我们正在接近。"
通过更好的培训和教育计划、数据相关障碍的持续缓解以及重视数据共享和协作的新文化，研发格局在未来几年将为重大变革做好准备。
"我坚信技术并不像火箭科学那么难。当然，科学本身非常非常困难，但技术不是，"Baber总结道。"真正的问题是人；你让合适的人做合适的工作，正确地激励他们，我们就会达到目标。"
【全文结束】
