Drug Discov Today｜生成式AI：推动药物研发生产力和科学突破

生成式人工智能（GenAI）的快速发展正在深刻改变药物研发领域，为药物发现和开发过程带来了前所未有的机遇。GenAI不仅能够通过虚拟助手提高生产效率，实现日常任务的自动化，还推动了新型小分子药物的设计，并通过合成数据的生成促进了新的机器学习应用。

2025年1月，Drug Discovery Today上发表文章Generative AI: driving productivity and scientific breakthroughs in pharmaceutical R&D。

文章深入探讨了GenAI在药物研发领域的当前和未来应用，评估了其在提高药物研发速度、生产率、质量和可持续性方面的潜力，并展望了中长期的变革前景。

概述

机器学习在药物研发中的应用历史可追溯至20世纪90年代早期，当时人工神经网络被用于从分子结构预测生物活性。此后，机器学习逐渐渗透到药物靶点识别、临床试验设计与执行等核心领域。作为新兴技术，生成式人工智能正颠覆传统研发流程。其潜力不仅在于加速研发速度、提升生产力与控制成本，还将支持行业可持续发展的长期愿景。本文从速度、生产力、质量与可持续性四个维度（图1）评估生成式人工智能对制药研发的变革性影响。

作者认为，生成式人工智能在药物研发中的应用可以从3个层面来分析：

第一层 (Horizon 1)：GenAI的直接影响，预计在短期内会成熟；

第二层 (Horizon 2)：2-5年内将出现用于药物研发的颠覆性GenAI用例；

第三层 (Horizon 3)：长期的变革性创新，GenAI将在12年的时间里重新定义药物研发

图1 药物研发的发展与前景预测

a） 从新靶点识别到监管批准的药物开发阶段，包括发现和开发阶段。b） 评估制药工艺的关键指标：速度、生产力、质量、可持续性和生成式人工智能准备情况。GenAI应用程度的颜色编码为绿色（高分）、橙色（中等分）或红色（低分），而条形表示每个指标的影响，范围从 0%（影响最低）到 100%（影响最大）。c） 创新视野：Horizon1侧重于GenAI的直接影响，预计在短期内会成熟；Horizon2预测了2-5年内将出现用于药物研发的颠覆性GenAI用例；而Horizon3设想了长期的变革性创新，将在12年的时间里重新定义药物研发

生成式人工智能概述

1 什么是生成式人工智能

GenAI代表着人工智能发展的重大飞跃，其重点是模仿人类的创造力和认知过程，创建可自主生成新数据的模型。这一进步超越了传统人工智能的分类和预测任务，涵盖了需要创造力和创新的领域。GenAI可以生成新的文本内容、逼真的图像和复杂的分子结构，展示了它在各个领域的多功能性。其核心是深度学习算法的复杂应用，通过分析和学习大量数据集来准确复制数据，并根据特定输入进行独特的定制化生成。

2 大型语言模型（LLM）的作用

LLM是GenAI模型的一个类别，因其生成连贯文本的能力而脱颖而出。使用Transformer生成文本的进展表明，LLM有可能改变需要创造力和对概念理解的行业。文本生成能力带来了人机交互的新范式，实现了代理工作流，其中对话代理在LLM的支持下生成响应并执行操作以实现目标。尽管LLM可能会生成不准确的答案（被称为“幻觉”），但可以通过开发将请求分解成不同组件的代理来改进响应，提高可靠性。

生成式人工智能在制药研发中的应用与挑战

Horizon1：目前药物研发中的GenAI

图2 Horizon1：当前用例开发时间表

该图说明了各种 Horizon 1 的应用，描述了目前可以带来价值的使用案例、它们的相关阶段以及用于评估进度的关键指标

了解公司情况的虚拟助理

建立在LLM上的会话代理（如ChatGPT）能够回答各种用户问题，提高企业员工的工作效率。通过日益复杂的自然语言查询，虚拟助理能够获取更广泛的统一数据。然而，实施LLMs也带来了挑战和风险，如数据隐私和安全、减少人工智能生成反应中的偏差以及管理用户期望值等。此外，LLM的每次查询都会产生显著的能源成本，因此应谨慎使用以提高效率。

寻找靶点和患者亚群

GenAI可以从大量科学文献中有效提供见解，帮助探索新型药物靶点。它可以通过阅读论文发现与新疾病有联系的基因或蛋白质，揭示潜在联系。然而，使用这些方法识别靶点有时需要数周甚至数月的时间，且结果质量有待充分验证。尽管如此，GenAI在处理大量科学文献和真实世界数据方面仍具有巨大潜力，为精准医疗铺平了道路。

设计药物分子

将语言模型用于生成化学的想法已有多年历史。LLM通过将其能力从自然语言扩展到复杂的化学和生物学“语言”，在药物分子设计方面取得了显著进展。生成大量不同新分子集的能力本身不足以产生影响，关键在于创造具有最佳特性的活性分子。GenAI在重新设计蛋白质（如抗体设计）方面也初见成效，为药物设计带来了新工具。

合成数据与药物开发

GenAI适合通过生成反映实际患者数据统计属性的合成数据来丰富训练数据集。使用合成数据的一个主要好处是克服了数据可用性的挑战，提高了从数据中提取见解的质量。然而，合成数据的应用也存在风险，如数据外推到现有数据领域之外的问题，因此必须进行严格的验证。尽管如此，合成数据在支持临床试验中的代表性不足群体纳入方面具有巨大潜力。

Horizon 2：GenAI在制药研发中的下一个机遇

图3 Horizon 2：未来用例开发时间表

该图说明了各种Horizon 2的应用，描述了当前可以带来价值的使用案例、它们的相关阶段以及用于评估进度的关键指标。

虚拟助手变得更智能

除了目前的信息检索能力外，GenAI正在发展更广泛的解决问题能力。下一代工具将更加模块化，提供端到端的互动能力，帮助研究人员快速探索各种科学想法。虚拟助手能够打破组织障碍，改善不同业务职能部门之间的沟通，从而提高生产率和质量。随着虚拟助理变得越来越智能，其对研发速度和质量的影响将是巨大的。

生成生物学时代

应用于蛋白质结构建模的GenAI发展迅速，尤其是在人工智能驱动的蛋白质折叠技术应用方面。尽管目前对天然蛋白质分析的关注意味着该技术与寻找生物靶点最为相关，但利用扩散模型和LLMs进行全新蛋白质设计的工作最近取得了快速进展。这些进展将对研究人员开发新的治疗方法起到至关重要的作用，影响研发质量和可持续性。

推进数字病理学成像

用于成像应用的基因人工智能将变得越来越专业，从增强模型训练和数据隐私的合成数据，到纠正图像质量问题以及为全球不同机构的样本提供标准化。这将进一步增加用于模型训练的数据集规模，提高临床前决策的速度和质量。然而，必须对这些新方法进行仔细验证。

高效、方便患者的临床试验

GenAI有可能根据试验的限制条件支持起草新的试验方案，并支持参与临床试验操作的各方之间的沟通。此外，GenAI还能在患者体验方面发挥作用，提高临床试验数据的质量，成为未来医疗保健可持续发展愿景的一部分。尽管在临床操作环境中生成高质量文档的能力已开始显现，但这种成果能否转化为生产力和速度的提高仍有待证实。

数字生物标记和未来的疾病负担

GenAI技术能够学习复杂的数据表示，开发有价值的数字生物标记。这些生物标记将成为未来精准医疗的关键因素。随着数字技术的进步和医疗设备的成熟，GenAI在速度、生产率、质量和可持续性等所有指标方面的整合潜力巨大。然而，这种整合的成功还需要进一步验证。

Horizon 3：未来愿景

生物融合时代的到来

随着技术的成熟，工程和计算与生物技术的融合将带来制药研发领域的突破性转变。这种转变将横跨人工智能、计算、生物、化学和医学等领域，利用专业领域的多重突破来创造协同解决方案。跨学科研究将是这一变革过程的核心。

闭环药物发现与开发

未来的制药研发将围绕“闭环”概念展开，不仅提出假设，还在持续的迭代循环中进行严格测试。通过确定计算的优先次序，实现快速探索。利用计算建模、模拟和人工智能的力量，将以更大的规模和更快的速度研究大量潜在候选药物及其与人体生物学的相互作用。

图4 药物发现和开发向“闭环”的范式转变

数据驱动的创新

获取快速、丰富数据的机会将使人工智能驱动的迭代循环贯穿研发管线的每个阶段。假设的持续自动生成和测试将从发现延伸到开发。成像技术的进步将捕捉到更多的内容，探究体内过程的复杂性。多组学数据的整合将为理解疾病相关的复杂过程和潜在干预措施提供基础。

患者体验与疾病管理的变革

随着技术的成熟，病人的就医体验和疾病管理都有可能因技术的变革而发生改变。GenAI将在临床试验设计和运营战略自动化、早期检测信号、优化参与和促进分散化等方面发挥关键作用。这将有助于提高临床试验数据的质量，减轻患者的负担，实现更个性化的医疗护理。

战略建议与未来展望

制定战略以充分利用GenAI

制药企业应采取组合方法利用GenAI，在短期内获得生产率的战术利益，并播下转型的种子。通过评估GenAI在具体应用中的准备情况，企业可以战略性地优先投资于必要的数字技术和人力资源，以利用这些机会。

促进创新与跨职能合作

要充分发挥GenAI的潜力，组织必须发展创新和跨职能合作文化。与经验丰富的供应商建立合作伙伴关系可促进安全有效地采用GenAI，而对员工队伍发展的投资对于建设实现该技术战略目标所需的能力至关重要。

关注邻近技术的发展

在对GenAI的未来应用进行投资时，应考虑邻近技术的未来成熟度。新人工智能和GenAI技术的发展不应被视为制药领域的外在事物，而应受到制药行业自身的积极影响和精心打造。

展望可持续发展

随着技术的不断进步，制药行业将迎来意义深远的变革。GenAI将加快新药上市时间，提高研发效率和质量，同时支持医疗保健的可持续发展战略。通过加速发现新的药物模式、推动精准医疗以及提供管理人口健康的变革性方法，GenAI将为未来的医疗保健领域带来无限可能。

结论

生成式人工智能正在深刻改变制药研发领域，为药物发现和开发过程带来了前所未有的机遇。从虚拟助理到药物分子设计，从合成数据到临床试验优化，GenAI在提高速度、生产率、质量和可持续性方面展现出了巨大潜力。随着技术的不断进步和跨学科研究的深入，我们有理由相信，GenAI将在未来的制药研发中发挥越来越重要的作用，为人类健康事业做出更大贡献。制药企业应积极拥抱这一变革，制定战略以充分利用GenAI带来的机遇，推动行业的可持续发展和创新进步。

参考资料：

https://doi.org/10.1016/j.drudis.2024.104272

--------- End ---------