尽管人工智能展现出改变药物发现的潜力，但目前进展依然缓慢且面临重大挑战。Thibault Géoui探讨了当前AI应用存在的差距、障碍及突破方向。
数字揭示真相：早期采用阶段
波士顿咨询2024年报告显示，当前临床阶段AI药物仅67种，临床前阶段约160-170种，仅占整体制药管线的0.1%。"若考虑15,000种临床前化合物，我们才刚刚开始指数曲线的爬升。要实现统计学显著性，需要1,000种AI研发化合物进入临床，这需要5-10年时间。"
值得注意的是，目前进入II期临床的化合物使用的已是"旧式AI技术"。这凸显了制药行业验证流程与AI快速迭代间的根本矛盾："典型制药企业缺乏技术敏捷性，它们不是科技公司。"
技术型生物公司面临特殊挑战
新一代AI原生生物公司面临特殊挑战："药物研发不是软件开发，不能'快速推进并破坏事物'。敏捷在制药领域意味着在保证验证、监管严谨性和患者安全的前提下，快速应对不确定性。"
快速的技术迭代加剧了这种矛盾：Transformer模型正被扩散模型取代，自动化化学平台和知识图谱技术持续演进。这对需要建立稳定验证流程的制药公司构成持续挑战。
人才瓶颈
Thibault Géoui的亲身经历揭示了人才困境："大多数传统药企没有为利用AI做好组织架构准备。需要既懂技术又懂科学的'双语人才'。"在与某AI公司的合作中，需要大量协调工作才能让AI专家与药物化学家建立有效沟通。
这种跨领域协作的困难成为普遍痛点："这往往不是技术问题，而是人员问题和改变长期工作方式的问题。"
行业变革需要突破性成功
预测未来需要AI原生企业持续的成功案例："当英矽只能、Recursion、InSitro等企业开始出现连续III期临床成功时，将真正撼动行业模式。"
这种压力将迫使制药巨头重新思考研发模式："它们不知道该如何部署AI：最初将其归入IT部门，后来又发现需要跨学科整合。"
终极技术愿景
提出"全链条疾病模拟"的技术愿景："真正实现疾病与药物的系统级模拟，类似阿西莫夫《心理史学》在药物研发中的应用。"
同时警示行业泡沫风险："有数百家AI制药公司，我们需要的不是数量，而是少数真正有效运作的公司。"
尽管技术已具备处理复杂性的能力，但实现潜力的关键在于克服协作、变革管理和流程重构等人际挑战。对这个生产力低迷数十年的行业而言，AI提供了真正的希望，但前提是愿意进行系统性变革。
专家简介
Thibault Géoui致力于连接科学、数据与技术，帮助生命科学组织更快更好地将产品推向市场。拥有20年药物研发经验，是FAIR数据和人工智能的倡导者。现任Zuhlke公司转型总监，领导过QIANGE等重大项目。兼具结构生物学博士和MBA背景，擅长将复杂概念转化为实用解决方案。
【全文结束】
