AI 加速药物发现，临床验证依旧漫长

作者／   IT 时报   潘少颖

编辑／   钱立富  孙妍

特发性肺纤维化，被称作 " 不是癌症的癌症 "，患者的肺会逐渐变硬、失去弹性，确诊后五年生存率低于 30%。过去数十年，全球获批的抗纤维化药物始终无法逆转这一进程，只能勉强延缓肺功能下降；子宫内膜异位症困扰全球约 1.9 亿女性，中国患者约 4000 万，过去 40 年没有诞生全新机制的治疗药物，患者要么忍受加重的疼痛，要么接受模拟更年期的激素治疗，代价是骨质疏松和长期内分泌紊乱。

一边是临床上大量棘手病症亟待破局，一边是国内医药产业近些年的进步有目共睹。数据显示，2025 年我国批准 1 类创新药 76 个，其中新机制新靶点药物 11 个，两项数据均创历史新高，覆盖抗肿瘤、抗感染、内分泌等多个临床急需领域。

然而，另一个事实同样无法回避。在 2026 浦江创新论坛 " 未来医药创新论坛 " 上，中国科学院院士、中国科学院上海药物研究所研究员陈凯先坦言：" 我们在原创新药、靶点方面，跟国际发展相比还有明显的差距。"

一个被反复提及的答案是：AI。从分子生成、靶点预测到临床方案优化，AI 几乎覆盖新药研发的每一个环节，速度提升是真实的。但更值得追问的是：AI 能否帮助科研人员触达那些靠人力难以触及的疾病机制，把原始创新的短板补起来？

快：从四年半到一年

12 个月、260 万美元，这是英矽智能一款针对特发性肺纤维化的候选药物，从靶点确认推进至临床一期所交出的成绩单。按照传统新药研发的节奏，完成同等研发流程平均要耗费四年半时间，资金投入往往达到数千万甚至上亿美元。

据英矽智能联合首席执行官兼首席科学官任峰介绍，AI 驱动的研发平台打通了靶点挖掘、多组学解析、候选分子生成优化的完整链路。依托海量文献、专利与疾病组学数据库，算法可以快速筛选识别出和纤维化进程高度相关的全新作用靶点，再通过生成式模型批量输出候选分子，同步完成成药性、安全性的初步预判，把大量过去依靠科研人员反复试错的工作交由计算机并行运算完成。" 这款 AI 参与研发的药物在临床前研究中展现出改善肺功能的潜力，不再只是‘延缓’逻辑。" 任峰表示。

不止聚焦靶点挖掘推演，AI 智能体还将能力延伸至完整实验方案的输出。深势科技创始人兼 CEO 孙伟杰介绍，AI 在 10 分钟内分析了上千篇文献和网络资料，生成三个可验证的科学假说，并自动设计出可直接执行的实验方案，包括所需试剂、实验条件和预期结果，把过去依赖科学家个人经验和灵感的探索过程，变成可规模化、可复制的系统工程。

慢：从 " 生成分子 " 到 " 理解疾病 "

一个算法可以在几天内产出数千个候选结构，这在人力时代是不可想象的。AI 可以飞快地给出一个 " 看起来合理 " 的分子，但这个靶点是否真的驱动了疾病？

在一片关于 " 加速 " 的讨论中，清华大学药学院创始院长丁胜提出了一个值得所有制药人停下来想一想的问题：生成得越多，失败得越多。他观察到，AI 生成分子的速度越来越快，但药物研发后续环节的失败率并没有随之下降。

药物研发不是 " 找到分子就赢了 "，从分子到药物，中间隔着活性验证、成药性优化、毒理评估、临床前的重重筛选以及最昂贵的临床试验。当分子生成的速度远超验证端的产能，效率提升就可能变成一种新的浪费。前端生成能力越强，对后续筛选和验证能力的要求也越高。

大量算力和资本涌向热门靶点，不断迭代结构相近的候选分子；但真正稀缺的，比如对疾病机制的理解、对全新靶点的严格验证，并不会因为分子变多而自动增加。AI 加速的是 " 已知赛道 " 的产出，但药物研发最需要的，往往是 " 开辟新赛道 " 的能力。

陈凯先也表达了类似的判断。他说，AI 介入新药研发后首先改变的是研发前端的效率，但 "AI 的价值不能止于提高既有流程效率，更在于未来能否助力科学家发现新的疾病机制、药物靶点和新药 "。

对此，丁胜的建议是 " 慢下来 "。与其让 AI 在已有的靶点上反复生成 " 更好的分子 "，不如把它的能力用在帮助科研人员理解那些此前无法理解的疾病系统上。生成一个分子很快，理解一种疾病很慢。

链：从工具辅助到科研范式

一款新药从靶点确认到最终上市，平均需要十年以上，耗资数十亿美元，而临床阶段的失败率依然高得惊人。真正决定成败的，是对疾病机制的理解是否足够深、靶点是否经得起验证。

传统研发模式里，" 理解疾病 " 高度依赖科学家的个人经验和直觉，大量临床队列中隐藏的疾病线索、文献中未被关联的研究发现，往往因为人力有限而被忽略。同时，行业缺少统一、贴合真实药物研发场景的评测基准，不同智能体的靶点推理能力难以客观衡量，算法效果与真实临床转化需求之间存在鸿沟。

围绕生物医学研发场景的真实需求，临港实验室持续建设并开放 " 虚拟疾病生物学家 · 元生 " 平台。从能够自主提出科学假说的 OriGene，到面向科学任务规划与执行的智能架构 GeneClaw，再到近期发布的药物研发全场景工作台 OriBench，平台能力已逐步覆盖文献情报、数据分析、靶标发现、分子设计和实验方案等关键环节，并完成若干闭环验证。

与平台开放同步，临港实验室发布 " 元因 · 百靶 " 计划，面向全国开放申请、公开择优。该计划着眼于发现具有转化潜力、回应重大临床需求的疾病新靶标，并探索破解 AI 落地生物医学研发过程中的关键瓶颈，构建有效的干湿闭环转化体系。

这或许是 AI 进入药物研发最值得期待的改变。

排版／   季嘉颖

图片／   浦江论坛

来源／《IT 时报》公众号 vittimes

E   N   D

大家都在看

IT 时报

怕被 AI 替代？

不如先学会用好它

「挨踢妹 @AI 茶水间」

每日投喂

扫码即可加入↓↓↓

请加「星标」不错过我们