在科技与健康交汇的前沿，一项革命性的进展正悄然酝酿。Google DeepMind首席执行官Demis Hassabis近期宣布，人工智能辅助设计的药物或将于今年迈入临床试验阶段，这一消息在达沃斯世界经济论坛的研讨会上引起了广泛关注。
作为DeepMind制药衍生公司Isomorphic Labs的掌舵人，Hassabis透露，他们正朝着年底前将AI设计药物送入临床试验的目标迈进。自2021年起，Isomorphic Labs便致力于利用机器学习技术，为药物研发按下加速键。Hassabis描绘了未来个性化医疗的蓝图，AI系统或能依据个人代谢特征，迅速优化药物配方。
Hassabis与其同事John Jumper因AlphaFold项目——一个深度学习系统，能够精准预测蛋白质结构——而荣获诺贝尔奖，进一步彰显了AI在生命科学领域的巨大潜力。制药业对AI的兴趣日益浓厚，因其有望大幅缩减新药研发的时间与成本。据《自然医学》杂志报道，一款新药从研发到获批上市，平均需耗时12至15年，耗资约26亿美元。
然而，新药研发之路荆棘满布，临床试验成功率不足一成，导致众多药物无缘市场。AI技术的介入，被视为降低成本、加速进程、提升成功率的关键。研究人员指出，机器学习模型能在药物研发的多个环节发挥效用，Hassabis预计这将带来时间与成本上的双重节省。
尽管前景乐观，但高质量训练数据的获取仍是AI应用的一大挑战，受限于隐私法规、数据共享政策及高昂的获取成本。对此，Hassabis持乐观态度，他认为通过与临床研究机构合作或采用合成数据，可以有效填补数据空白。不过，他也强调使用合成数据时需谨慎，确保其能真实反映数据分布，避免误导模型训练。
在谈及AI与科学家的关系时，Hassabis明确表示，AI短期内无法取代科学家。“AI尚不具备真正的发明能力，无法提出新的假设或推测。”他说道，“但AI在解决复杂问题方面已展现出强大实力，我们正接近一些重大突破。今年，我们或许就能见证这一点，尽管这与科学家提出新理论或假设仍有本质区别。”
在探索AI在药物研发中的应用上，Hassabis并非孤例。Nvidia同样对AI增强型药物研发表现出浓厚兴趣，并为此推出了BioNeMo系列GPU加速机器学习框架，旨在加速药物开发与分子设计。Nvidia还与包括诺和诺德在内的多家制药巨头携手，推出新型研究系统，如丹麦的Gefion超级计算机，将机器学习应用于生物科学及新疗法开发。
