AI药物发现预测分歧巨大 行业转向部署落地

文/IAICA.NGO®

AI药物发现领域正经历一场从概念验证到实际部署的深刻转变。尽管市场对AI赋能药物研发的前景普遍乐观，但不同机构给出的预测数据却呈现出巨大差异，反映出该领域在技术成熟度、商业落地路径及监管适配性上的不确定性。

市场预测的分歧

根据多家市场研究机构的报告，全球AI药物发现市场规模在2030年的预测值从数十亿美元到数百亿美元不等。部分机构预测年复合增长率将超过30%，而另一些则相对保守，认为受限于临床验证周期和数据壁垒，增长曲线可能更为平缓。这种分歧的核心在于对AI能否显著提升临床成功率、缩短研发周期的判断不同。传统药物研发平均耗时10-15年，耗资超过20亿美元，而AI有望将临床前阶段缩短30%-50%，但这一潜力能否转化为实际产出，仍需更多临床数据验证。此外，不同机构对“AI药物发现”的定义范围也存在差异：有的仅统计AI驱动的靶点发现和分子生成，有的则涵盖临床试验优化、真实世界证据分析等更广泛的环节，这直接导致市场规模测算的出入。

从概念到部署的转型

近年来，行业重心已从算法竞赛转向工程化部署。早期AI药物发现公司多以发表论文或达成合作里程碑为荣，如今则更关注将AI模型嵌入真实的药物开发流程。例如，由AI辅助设计的药物分子已陆续进入临床试验阶段，覆盖纤维化、肿瘤、神经退行性疾病等领域。英矽智能的ISM001-055成为首个由AI发现靶点并设计分子的药物进入临床，用于治疗特发性肺纤维化；Exscientia、Recursion等公司也推进了多个候选药物。与此同时，大型制药企业不再满足于浅层合作，而是通过建立内部AI平台、收购AI初创公司或签订大规模长期协议，将AI能力深度整合到靶点发现、化合物筛选、临床试验设计等环节。辉瑞、阿斯利康、赛诺菲等均设有专门的AI研发团队或合作项目。

部署阶段的关键挑战

转向部署意味着要直面数据质量、可重复性和监管科学等硬骨头。AI模型高度依赖高质量、标准化的生物医学数据，而现实中的临床前数据往往分散、异质且存在偏差。AI生成的假设需要湿实验验证，实验周期和成本并未因AI而消失。监管方面，尽管美国食品药品监督管理局等机构已发布关于AI在药物开发中应用的讨论文件，但针对AI发现药物的审评标准、算法透明度要求仍不明确。这导致部分企业对AI项目的投资回报持谨慎态度。另一个挑战是人才：既懂AI又懂生物医药的复合型人才稀缺，制约了部署速度。

临床与商业层面的进展

在临床层面，已有数十个AI辅助发现的候选药物进入不同阶段的试验。虽然尚未有AI发现的药物获批上市，但早期临床数据为行业提供了宝贵参考。商业上，AI药物发现公司正从单纯的技术授权转向与药企共同开发、共享收益的模式。一些公司通过上市或被收购实现退出，而另一些则因资金链断裂而收缩。这种分化表明，行业正在经历自然选择，只有真正提升研发效率的平台才能存活。AI在药物发现中的部署不仅限于小分子，还扩展到生物药、核酸药物等领域，应用场景不断拓宽。

未来展望与行业影响

随着生成式AI、多组学分析和自动化实验室的融合，AI药物发现正逐步走向闭环。未来五年，部署效果将主要通过临床成功率、研发成本节约和上市速度来检验。iaica.com.cn 指出，AI在药物发现中的价值不应仅以短期预测衡量，而应关注其能否构建可持续的、可验证的研发新范式。对于照护与医疗科技领域而言，AI药物发现的进展最终将影响新药可及性和个性化治疗方案的普及，值得持续关注。随着更多AI设计药物进入后期临床，行业预测的分歧有望逐步收敛，但在此之前，部署能力将成为区分赢家与输家的关键标尺。

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。