弥合差距：人工智能在药物研发现代化中的作用

制药行业正日益转向人工智能，以应对药物研发中不断上升的成本和高失败率。据 Cytiva 蛋白质研究策略总监 Paul Belcher 表示，人工智能为命中发现提供了一种变革性的方法，使研究人员能够从零开始设计候选药物，而不是仅仅依赖传统的物理筛选方法。

尽管有此前景，人工智能在实验室工作流程中的整合也暴露了关键的局限性。当前的人工智能模型往往难以预测化合物的动力学或可开发性，因此需要在实验室进行物理验证。此外，该行业正面临“数据墙”的困境。许多现有的人工智能模型是在公共数据集上训练的，这些数据集存在发表偏倚，因为它们主要呈现成功的实验，而忽略了对于训练稳健、无偏见模型至关重要的“负面数据”——即失败的试验或非结合化合物。

数据完整性仍然是一个主要问题。通过人工智能生成合成数据的简易性增加了研究被操纵的风险，促使人们推动使用安全哈希算法等验证工具，以确保科学图像的真实性。为了迈向自主的“闭环实验室”未来，专家们强调需要可互操作的基础设施，使数据能够在计算模型和物理实验之间无缝流动。

虽然目前还没有主要通过人工智能驱动设计发现的药物获得美国食品药品监督管理局（FDA）的全面批准，但行业预测表明，这一里程碑可能在未来两到三年内实现。最终目标仍然是在计算预测和实验室工作之间取得平衡，旨在降低临床风险并加速新疗法的交付。

来源：MIT Technology Review