随着人工智能加强药物发现流程，制药与科技的界限正变得越来越模糊。今年早些时候，制药巨头礼来公司（Eli Lilly）与英伟达（NVIDIA）合作开发的超级计算机LillyPod的亮相，正是这一演变的典型代表。
这座位于印第安纳波利斯的AI工厂LillyPod于2月份启用，配备了1,016块英伟达高性能Blackwell Ultra GPU。它作为一个计算干实验室运作，与礼来位于旧金山的智能湿实验室（进行实际药物开发的地方）协同工作，以加速研发进程。
"英伟达不进入药物发现领域，我们也不进入GPU设计领域，"礼来公司执行副总裁兼首席信息与数字官迪奥戈·劳（Diogo Rau）表示。尽管如此，这种合作标志着一个如今已深度交织的混合行业的成熟。
其他合作，如强生（Johnson & Johnson）与微软Azure、或辉瑞（Pfizer）与谷歌云（Google Cloud）之间的合作，已经酝酿多年。但这一新阶段已超越了云基础设施，进入了集成的、专门定制的人工智能硬件和共同创新。
"认为制药业反科技的观点已经过时，"健康灯塔公司（Headlamp Health）首席执行官欧文·埃斯蒂加里比亚（Erwin Estigarribia）表示，该公司的人工智能平台Lumos AI可增强临床试验。"人工智能只是下一层技术，它终于能够处理几十年来分散在内部存储库、归档笔记本和失败项目中的研究数据。"
埃斯蒂加里比亚表示，这类与英伟达级别合作的首批成果将来自于重新分析礼来公司拥有的数十年遗留数据，找出首次分析时无法看到的答案。只有到那时，人工智能才会在新的前瞻性工作流程中获得完全信任。
超越算法
随着计算能力重塑制药行业，它同时迫使人们重新审视管理这种强大力量所需的结构和伦理保障。
算法偏见是一个令人担忧的问题，劳表示礼来公司对此保持高度关注。"我们不声称任何模型是无偏见的，"他说。"我们构建具有测试、可审计性、透明度和人工监督的系统，以便随时间识别和纠正问题。"
至于实践中的情况，一些供应商工具需要第三方偏见审计。对于其他工具，礼来设定了明确的文档要求来缓解策略。
健康数据存储平台SEQSTER的首席执行官兼创始人阿迪·阿里安普尔（Ardy Arianpour）表示，医疗人工智能的公平性取决于其学习的数据。"这些数据历史上排除了女性、有色人种、低收入人群和农村社区，"他说。
因此，据医疗事务认证委员会负责人威廉·索利曼（William Soliman）称，强有力的治理框架至关重要。"这包括严格的数据质量标准、在不同患者群体中进行偏见测试、对高影响临床决策的可解释性要求、部署后的持续监控，以及在出现错误时的明确责任。"
埃斯蒂加里比亚表示，加速创新与监管机构资源长期受限的结合，使得在风险面前保持领先在结构上是不可能的。他说，这就是为什么行业必须自我监管。"我知道这听起来像是让狐狸看守鸡舍，"他说，"但我们正在看到基础的建立。"
劳表示，礼来将所有流程与美国国家标准与技术研究院（NIST）的《人工智能风险管理框架》保持一致，并在高风险决策点保持人工参与。
在美国，食品药品监督管理局（FDA）的数字健康卓越中心及其对人工智能医疗设备的计划是一个渐进的开始。欧盟的人工智能法案于2024年8月首次实施，被认为是第一个旨在确保人工智能医疗设备公平、透明且值得临床信任的具有约束力的法律框架。"在MDR（医疗器械法规）和IVDR（体外诊断法规）下监管的人工智能医疗设备自动被视为高风险，触发硬性义务而非道德鼓励，"律师事务所DLA Piper的合伙人兼英国科技部门主管林齐·彭曼（Linzi Penman）表示。
与此同时，英国选择了不同的路线。它没有制定单一的人工智能法规，而是通过2023年的《人工智能监管白皮书》赋予监管机构操作化共享原则的权力。"各行业监管机构被期望在其领域内应用安全性、透明度、公平性、问责制和可争议性，"彭曼说。
她补充说，英国信息专员办公室明确表示，组织必须确保人工智能系统不会学习、重复或放大不公平的偏见。
这一运动的核心是经济合作与发展组织（OECD），这个全球会员组织在2024年更新了其人工智能原则。
像LillyPod这样的合作的成功不仅取决于计算能力，还取决于确保制药人工智能服务于创新的真正驱动力：患者。阿里安普尔说："患者生成训练模型的数据，资助试验，并最终验证科学。他们是万物的起点。"
新药制造者
随着这些行业以改变游戏规则的方式继续融合，支撑制药行业的劳动力也将随之改变。
劳表示，新的范式需要理解科学和技术的人才。"我称之为双语能力，"他说。"能够构建模型并解释湿实验室结果的计算生物学家，理解梯度下降和合成路线的人工智能化学家，能够与临床医生合作并知道p值在试验环境中真正含义的数据科学家。"他说，跨越这一鸿沟的人才在整个行业需求巨大。
"该领域不再围绕学科组织，"埃斯蒂加里比亚说。"它围绕着跨学科翻译的能力组织。"
因此，随着专业知识和行业之间的界限模糊，制药业的未来将实验室和人工智能工厂紧密联系在一起，甚至合二为一。
【全文结束】