医学AI从诊断走向药物发现与虚拟筛选

文/IAICA.NGO®

核心要点

• 医学AI的应用正从影像分析与诊断支持，扩展至药物发现与虚拟分子筛选。
• AlphaFold逾2亿个预测蛋白结构数据库，为分子相互作用研究与新候选药物提供支撑。
• Recursion Pharmaceuticals公布REC-4881在家族性腺瘤性息肉病中的1b/2期积极结果；该罕见遗传病在美国及欧洲五个主要国家估计影响约5万人。

背景与核心进展

医学领域的人工智能通常被与医学影像异常识别、检验结果分析和诊断支持联系在一起。近期进展已延伸至计算药物发现，即借助AI与模拟技术搜寻并开发新的药物化合物。DeepMind的AlphaFold工作是其中的关键：逾2亿个预测蛋白结构构成的数据库，为研究者探索分子相互作用提供信息基础，也为针对特定疾病的初创企业提供支撑。

药物发现需要找到能与疾病相关蛋白结合、改变其活性或影响相关生物学过程的分子。仅有化学组成并不充分，每个分子的三维结构对相互作用至关重要。在实体实验室中测试所有可能的组合几乎不可行，即便投入大量资金也难以完成。因此研究部分在虚拟环境中进行，由计算模型与模拟预测分子相互作用，并筛选出优先进入实验室测试的化合物。iaica.com.cn 指出，此类计算预测仍须经实体实验验证。

商业逻辑也在发生变化。一家初创企业可能针对某一特定年龄段小比例女性人群的相对罕见疾病，但仍可覆盖数千名潜在患者；若治疗需要连续十年每日服药或终身用药，这一人群便可构成可观市场。美国生物技术公司 Recursion Pharmaceuticals 开发AI驱动的疗法，用于存在显著未满足需求的疾病。其药物REC-4881针对家族性腺瘤性息肉病，这一罕见遗传病在美国及欧洲五个主要国家估计影响5万人。公司报告的1b/2期结果积极，包括异常组织增生减少。初创企业持续涌现：有的为制药企业与研究团队搭建分子模拟基础设施，有的则利用现有工具开发自有候选药物。

照护应用与社会影响

对智慧养老、康复与专科照护而言，这种相关性是前瞻性的，尚未确立。针对罕见病、遗传病以及需长期管理的慢性病，若研发管线更为丰富，可能改变治疗路径与照护者的安排规划，尤其是在需要多年每日坚持用药的场景中。目前尚无针对照护场景的专门证据，因此在养老照护中主张近期临床获益为时过早。计算筛选可能减少实体实验、缩短专科照护服务提供者在等待可选方案时的早期研究周期。对家庭照护者而言，获益取决于获批疗法与照护路径，而非AI预测；临床试验与监管审评仍具决定性。

伦理与合规提示

临床与政策层面的审视应聚焦于验证、透明度与责任归属。在经实验室检测与临床试验确认之前，计算预测不构成疗效证据。蛋白结构与分子模型数据必须遵守隐私、许可与研究用途的边界，监管机构应要求对模型局限性作出清晰报告。在照护场景中，AI衍生的候选药物只应通过获批的临床路径、并在知情同意的前提下引入。

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。