第二版：政策要闻
未来的制药公司，究竟是什么模样？这不仅关乎速度与规模，更是一场关于生存法则的根本性变革。
重塑行业愿景
AI应用于药物发现和开发领域的新时代才刚刚开始。业内人士预测，随着这一时代的到来，不仅是药物研发的速度和规模将发生巨变，使制药公司发展为成功企业的条件也将发生重大变化。
“业界正处在一个关键的转折点。”辉瑞前首席科学官Mikael Dolsten断言。他认为，随着机器学习与生物学新发现的交汇融合，AI的整合应用将在未来五年内为患者带来切实可见的益处。“得益于强大的算法和海量数据集，精准医疗将兑现其长期以来的承诺。期望在2030年前，见证疾病治疗与定义方式的颠覆性转变。”
Dolsten已是AI药物发现与开发公司Immunai的一名顾问。他构想了未来的实验室，认为科学与医疗实践有望实现实时融合。
驾驭海量数据
AI正在依靠庞大的数据量茁壮成长。在过去几年时间里，AI模型可以说在数据方面“吃饱喝足”了。比如，艾伯维的研发搜索引擎ARCH存储了大约450TB的数据。
庞大的数据量是这场变革的入场券。然而，专家们指出，拥有数据仅仅是第一步。AI药物发现软件公司Cradle的首席执行官Stef van Grieken强调，AI的下一阶段需要更高水平的“自省能力”。这意味着AI模型必须能够辨别自身的知识边界，避免因信息不足而产生可能误导研发方向的“幻觉”，即凭空捏造不实信息。在van Grieken看来，一个更优的AI模型，在面对不确定性时，应该坦诚地回答它不知道，而不是幻觉出错误的答案。
在Cradle的平台上，研究人员可以一次性评估多种可能相互矛盾的药物设计要求，将以往旷日持久的反复试错压缩至一个流程。van Grieken补充道，理解AI的局限性至关重要:“没有任何一个蛋白质模型天生就懂得疾病，它不是一个能瞬间理解所有疾病并凭空拿出解决方案的魔法盒子。”
降低试错成本
在制药行业，失败是研发的常态，而AI的核心价值之一，正是让失败来得更快、成本更低。诺和诺德AI与数字创新高级副总裁Mishal Patel，将AI模型比作一台超级望远镜。“它能将光束聚焦到业内可能尚不了解的生物学领域，提供解构复杂问题、获取关键数据，助力进一步探索。”诺和诺德已与Cradle合作，利用AI寻找超越其明星产品Ozempic和Wegovy的新一代心脏代谢类药物。这种高效筛选能力是毋庸置疑的竞争优势。
“快速失败”的价值在Immunai公司的工作中体现得淋漓尽致。该公司CEO Noam Solomon表示，其核心平台Amica通过绘制人类免疫系统图谱，为合作伙伴提供决策支持。他表示，很多时候，公司的建议是终止某个临床项目。这种负面成果可以为药企节省数亿美元的潜在损失。
Immunai公司正在开展一项学术合作项目，旨在让免疫学研究人员通过申请获得测序技术的免费使用权。该项目有望填补美国国立卫生研究院（NIH）因为预算削减所留下的空白，并有助于扩大Amica的数据库。
重构人才构成
技术变革的最终落点，是人的变革。AI正在深刻地改变制药公司的组织架构与人才构成。“曾几何时，可以清晰地将人才划分为计算科学家、传统生物学家或化学家。”Patel观察，在过去五年里，这种界限已日益模糊。未来的实验室，将是一个跨学科高度融合的场域。
为了实现这种无缝融合，AI开发者正与一线科学家紧密合作。“业内花费大量时间，确保科学家能理解模型做出决策的内在逻辑，同时将他们宝贵的隐性知识融入流程。”van Grieken表示，“我们需要在大规模应用中持续创造价值，而不只是一次酷炫的演示。”
对此，行业元老Dolsten感触颇深。“在我职业生涯早期，一个前瞻性的实验室配置是5%的‘干实验室’（计算型人才）和95%的‘湿实验室’（实验型人才）。”他回忆道，“而现在，正迈向一场彻底的变革。AI的建模能力极大地降低了对湿实验室资源的依赖。但最终，永远需要人类的智慧打造产品。”（网文）