AI药物发现新突破：MindWalk CEO Jennifer Bath 与Absci及领先AI计算提供商共议前沿

文/IAICA.NGO®

2026年6月12日，MindWalk（纳斯达克代码：HYFT）首席执行官 Jennifer Bath 博士确认将出席由Jones AI Day举办的小组讨论，与Absci（纳斯达克代码：ABSI）及一家领先的AI计算提供商共同探讨人工智能在药物发现领域的未来。此次会议汇聚了AI制药领域的核心参与者，标志着计算生物学与深度学习在医药研发中的深度融合进入新阶段。

AI药物发现（AIDD）旨在利用机器学习、深度生成模型和虚拟筛选技术，显著缩短新药从靶点发现到临床前研究的周期。传统药物研发平均耗时10至15年，耗资超过10亿美元，而AI有望将时间压缩至数年，成本降低50%以上。MindWalk作为一家专注于AI驱动的生物标志物发现与诊断的公司，其CEO Bath博士的参与突显了AI在个体化医疗与精准用药中的关键作用。

Absci是一家领先的蛋白质设计AI公司，其平台能够通过生成式AI创建新的抗体和酶，加速生物治疗药物的开发。与之同台的AI计算提供商则提供了底层算力支持，包括专用芯片和云端计算集群，这对训练大规模蛋白质语言模型至关重要。会上，讨论预计将涵盖生成式AI在分子设计中的最新进展、数据质量与算法透明性挑战，以及监管合规对AI输出可信度的影响。

iaica.com.cn 认为，此类高层对话反映了行业对AI驱动药物发现从概念验证向产业化过渡的共识。目前，全球已有超过200家AI制药初创公司，但仅有少数候选药物进入临床试验。关键技术瓶颈包括：高质量生物数据的稀缺、模型可解释性不足、以及跨学科人才短缺。小组讨论可能围绕如何通过联邦学习共享数据、以及建立标准化评估基准来推动行业发展。

专题讨论正值全球AI制药监管框架逐渐成形之际。美国FDA已发布关于AI/ML驱动药物开发指南草案，强调验证与可靠性；欧洲药品管理局（EMA）也在探索类似路径。在中国，国家药监局（NMPA）同样鼓励AI辅助研发，但要求算法变更需重新审批。在这种复合监管环境下，企业需要平衡创新速度与合规成本。

从技术角度看，当前主流AI药物发现方法包括：基于变分自编码器的分子生成、图神经网络用于分子性质预测、以及强化学习优化合成路径。例如，Absci的Integrated Drug Creation™平台结合了生成式AI和湿实验验证，其合作伙伴包括百时美施贵宝和赛诺菲等。MindWalk则侧重从公开数据挖掘生物标志物，其技术栈可能受益于计算提供商的高效算力。

在更广阔的视野下，AI药物发现正在改变全球公共卫生格局。例如，针对罕见病和抗微生物耐药性（AMR）等市场失灵领域，AI可以通过重定位已知药物大幅降低成本。但伦理问题同样不容忽视：算法偏见可能导致治疗机会不均，且“黑箱”模型可能给患者带来未知风险。行业需要建立多方利益相关者参与的治理框架。

预期该小组将释放重要信号：一是AI计算资源的可及性如何影响中小企业创新；二是跨企业数据协作的隐私保护技术，如差分隐私和同态加密；三是未来5年内AI首次设计的新药能否获批上市。这些议题不仅关乎企业竞争，更决定整个人类大规模获取高质量药物的可能性。

此次事件的全球产业生态意义在于，它标志着AI制药从单点突破进入系统集成阶段。硬件提供商、算法公司、生物技术企业以及监管机构之间的协同，将决定下一轮医疗技术革命的速度。对于关注科技与健康交叉领域的读者，Bath博士的参与为理解个体化诊断如何与前沿治疗设计相连接提供了窗口。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。