今年早些时候，礼来公司首席执行官戴夫·里克斯在旧金山与英伟达创始人黄仁勋同台展示公司技术实力时，黄仁勋调侃了新药研发的 painstaking 过程。
“我真心希望你们行业能摆脱‘像在森林里寻找松露般’的药物发现模式，”黄仁勋在生物科技和制药投资者面前表示。
事实上，里克斯和整个制药行业正寻求突破传统的土壤样本和树皮采集方式，转而将希望与投资资金投向人工智能。礼来公司去年十月首次宣布与芯片制造商英伟达合作，打造业内最强大的超级计算机，并于今年一月扩展合作，投入10亿美元建立为期五年的协作项目，在旧金山湾区新实验室整合双方科学家与工程师，旨在利用AI工具发现新药。
他们并非孤军奋战。竞争对手罗氏已宣布将与英伟达合作建造规模更大的超级计算机。葛兰素史克、阿斯利康和默克等公司近几个月也宣布了数十亿美元的合作伙伴关系，与科技及AI生物科技公司合作，全力挖掘人工智能潜力。
制药行业多年来一直讨论AI加速药物开发的潜力，但尚未取得重大成果。
“曾有望看到AI显著提升药物临床试验成功率，”加拿大皇家银行资本市场分析师特龙·阮表示，“但目前尚未实现。我认为尚无确凿证据证明AI能改善结果。”
Recursion Pharmaceuticals首席执行官纳贾特·汗指出，问题部分源于训练AI模型的基础科学数据有限，且高通量计算机实验成本高昂（尽管正在下降）。
Recursion是该领域先驱，公司创立理念是通过细胞图像训练AI，以更好理解疾病驱动因素，从而改善目前困扰药物研发的90%失败率。
“第一波浪潮中，许多尝试失败了，”汗表示，“长久以来缺乏‘药物猎人’的思维模式。”
今年一月就任CEO的汗称Recursion正取得重要进展。其AI平台发现靶向人体特定蛋白质可能有助于治疗遗传性结直肠息肉疾病。Recursion据此收购了针对该蛋白质的实验性疗法。在小型早期研究中，该公司表示其药物显著减少了患者息肉。
AI工具还将Recursion设计新型实验性抗癌药物的时间从行业平均四年缩短至约18个月。不过由于人体研究耗时，仍需多年才能验证药物有效性。
然而，突破速度未能满足投资者期待。去年Recursion缩减研发管线后裁减20%员工。这家成立近13年的公司尚未将AI赋能药物推向市场。
部分公司正接近证明AI在药物研究中的价值。日本武田制药收购了一家利用AI发现的银屑病药片，该药物在大型研究中成功，公司今年将提交美国监管审批。另一家日本药企安斯泰来则运用AI优化其实验性胰腺癌药物setidegrasib，目前该药物处于后期研究阶段。
安斯泰来CEO冈村直树表示，AI甚至可在药物获批后拓展其应用范围。公司正用AI指导销售代表应拜访哪些医生推广药物及具体话术。
综合来看，加拿大皇家银行资本市场预计该技术未来五年可为美国制药行业节省约900亿美元，每股收益提升高达13%。
目前制药企业的AI收益主要集中于简化后台任务或加速制造环节，而非突破性药物研发进展。2022年生成式AI（如ChatGPT）的出现开启了新可能。
AI公司已开始向制药企业营销专用工具，助其提升效率。
谷歌DeepMind开发的AlphaFold利用机器学习预测蛋白质结构以辅助药物设计。今年四月，OpenAI推出GPT-Rosalind，宣称旨在帮助研究人员缩短药物开发周期。
“我们的观点都已转变，”辉瑞CEO阿尔伯特·布尔拉在采访中表示，“它有潜力改变我们的一切工作，我相信它必将如此。从早期发现到后期开发，再到提升制造收率。”
在制造环节，AI驱动的效益已然显现。
“现实情况是，我们迄今在AI中看到的所有收益其实不在药物发现——而在后续流程，”礼来公司首席信息与数字官迪奥戈·劳表示。
例如，礼来高管原以为已将畅销减肥药Mounjaro和Zepbound的主要成分tirzepatide的产能最大化，以满足初期导致广泛短缺的爆炸性需求。
为测试能否进一步增产，礼来去年创建了tirzepatide制造流程的“数字孪生”模型，并通过内部开发的机器学习工具进行模拟。制造与质量高级副总裁斯科特·林赛表示，该工具识别出设备内压力和温度等多种因素的组合方案，通过调整可缩短生产流程。
礼来拒绝透露具体缩短的生产时间或增产数量，但劳表示增产幅度“令人惊叹，惠及更多患者”。
请致信Peter.Loftus@wsj.com联系作者。
【全文结束】