AI在制药行业的应用已成为近十年来的热门话题，无数头条新闻宣称它将彻底改变药物的发现、开发和部署方式。然而，炒作通常超过了实际成果。不过，随着越来越多由AI生成的候选药物进入临床试验，我们似乎正处于这一领域的重要转折点。当第一批由AI设计的分子开始进行临床试验时，整个行业都在密切关注，AI能否带来全新的、成功的疗法，还是仅仅作为复杂研究过程中的辅助工具。
AI在研发中的角色演变
AI并非单一技术，而是一整套计算工具，可以支持药物开发的几乎所有阶段。在早期发现阶段，AI可以帮助识别新的靶点、生成新化合物、预测药物与蛋白质的相互作用，并优化先导化合物（具有成为有效药物潜力的化合物）以满足所需的特性。在后期，它越来越多地被用于筛选临床试验患者、重新利用现有药物以及预测不良反应。
早期的关注点集中在生成式AI模型（尤其是深度学习和强化学习框架）上，这些模型能够比任何人类化学家更快地生成候选化合物，并且理论上可以比传统方法更高效地探索庞大的化学空间。
过去，AI设计的候选药物通常仅限于计算机模拟（in silico）实验或临床前阶段。但这种情况正在改变。
AI步入临床阶段
在过去的两年里，几种由AI设计的药物已进入人体试验阶段，为这些技术提供了首次在临床环境中的实际测试。
总部位于香港和纽约的AI生物技术公司Insilico Medicine在2023年引起了广泛关注，当时该公司宣布其使用专有的Pharma.AI平台开发的候选药物INS018_055已进入II期试验（测试有效性和安全性）。该化合物完全通过训练在结构数据上的生成模型设计而成，这是AI不仅能够筛选化合物库的早期验证。
其他公司如BenevolentAI、Recursion、Schrödinger和Relay Therapeutics也正在推进由AI工具识别、优化或优先排序的候选药物，尽管并非所有药物都严格属于“AI生成”。重要的是，这些公司不仅仅是发现分子，还定位自身为药物开发者和战略合作伙伴。
制药行业的认可：战略合作浪潮
大型制药公司越来越接受AI，通过合作、合资企业和收购来降低靶点选择的风险并加速早期药物开发。一个典型案例是赛诺菲（Sanofi）与Exscientia之间的交易，价值高达52亿美元，专注于肿瘤学和免疫学领域的AI设计小分子。
此外，阿斯利康（AstraZeneca）与BenevolentAI合作，在慢性肾病和纤维化领域识别新靶点。辉瑞（Pfizer）、拜耳（Bayer）、默克（Merck）和罗氏（Roche）等公司也与AI原生生物技术公司合作，或建立了内部能力，通常聚焦于罕见病、中枢神经系统疾病或靶点解卷积等领域。
这些合作反映了思维模式的广泛转变：AI不再被视为传统研发的竞争者，而是作为一种战略推动者，利用人类专业知识提高高风险领域的准确性和压缩时间表。
效率提升还是新瓶颈？
AI在药物发现中的核心价值主张是速度和效率。药物开发通常耗资超过20亿美元，并需要10-15年的时间才能推出一种新药。AI承诺通过快速生成命中化合物、提高靶点-疾病关联的准确性以及为试验选择更好的患者群体，从而缩短从靶点识别到候选提名的时间。
例如，Insilico声称，INS018_055从靶点发现到研究性新药（IND）申请仅用了不到30个月，远快于行业平均水平。然而，这些效率声明的实际验证仍在进行中，目前尚不清楚AI是否能在后期开发阶段缩短时间线，而大多数成本和失败仍发生于此阶段。
此外，针对AI设计药物的监管路径仍在发展中。虽然分子本身遵循行业标准，但在知识产权所有权、算法透明度以及模型生成假设的验证方面仍存在疑问。
炒作、估值与投资者的现实检验
围绕AI在药物发现中的潜力所引发的兴奋，吸引了大量投资者兴趣，同时也带来了波动性。许多以AI为核心的生物技术公司在2021-2022年的生物技术热潮中通过首次公开募股（IPO）或特殊目的收购公司（SPAC）筹集了巨额资本。然而，随着投资者热情遭遇漫长的开发周期、有限的临床进展以及不确定的货币化策略，许多公司的股价大幅下跌。
例如，BenevolentAI在2022年通过15亿欧元（约合18亿美元）的SPAC上市，但到2024年中期已损失了超过70%的价值。尽管Recursion拥有雄心勃勃的数据驱动药物发现平台，并与拜耳和罗氏合作，但也面临来自股东的压力，要求更快回报。
尽管如此，这一领域仍在成熟。投资者和制药合作伙伴正从广泛的平台转向更专注于数据驱动生产力、临床进展和管线价值的评估。
成功的模样是什么？
行业正接近一个关键里程碑：首个获得监管批准的AI设计药物。如果INS018_055在II期试验中提供积极数据，这将是一个变革性的时刻，验证了AI不仅是工具，更是新独特疗法的来源。
展望未来，AI可能通过让小型公司无需庞大实验室基础设施即可设计高质量分子，从而实现药物开发的多样化。它还可能在罕见病、被忽视的适应症或新兴病原体领域取得突破，这些领域传统商业模式难以证明投资合理性。
除了小分子外，AI还在生物制品设计、蛋白质工程、信使核糖核酸优化和临床试验设计中得到探索，表明其影响可能贯穿整个制药价值链。
从概念验证到临床验证
AI不再是制药行业的未来主义概念；它正在产生真实资产，形成战略联盟，并逐步在临床管道中占据一席之地。然而，期望仍然很高，证明的负担现在落在了人体试验而非机器模型上。
随着第一批AI设计药物进入中期开发阶段，行业不仅会关注审批结果，还会寻找AI能够改善结果、加快时间线并降低成本的证据——在一个失败仍是常态的领域尤为重要。如果成功，下一个十年或许不仅属于AI，还将由AI塑造。
(全文结束)
