AI新藥研發(fā)提速至數月？諾獎得主哈薩比斯預言引爭議
在近期接受彭博電視臺采訪時，谷歌DeepMind首席執(zhí)行官、2023年諾貝爾化學獎得主戴米斯?哈薩比斯提出了一項引人矚目的觀點：借助人工智能技術，未來新藥研發(fā)周期有望從“按年計算”縮短至“按月計算”。這一大膽預言迅速在醫(yī)藥與科技領域掀起波瀾，引發(fā)了學術界與產業(yè)界的廣泛討論。
哈薩比斯的觀點并非空穴來風。作為蛋白質結構預測領域的重要奠基人，他憑借開發(fā)AlphaFold系統(tǒng)榮獲諾貝爾獎，該系統(tǒng)能夠高精度預測蛋白質三維結構，極大推動了生命科學研究的進程。如今，他同時領導谷歌DeepMind及其母公司Alphabet旗下的AI藥物研發(fā)部門Isomorphic Labs，致力于將人工智能進一步應用于新藥發(fā)現的全流程。
據哈薩比斯透露，Isomorphic Labs正在開發(fā)更先進的AlphaFold版本，旨在更全面地預測蛋白質的動態(tài)行為與相互作用。團隊已初步展示由AI設計的藥物進入臨床試驗的“初步證據”，這一進展被部分業(yè)內人士視為AI驅動藥物研發(fā)邁向實用化的重要里程碑。
支持者認為，AI技術的確具備加速藥物研發(fā)的潛力。傳統(tǒng)新藥開發(fā)通常耗時10至15年，成本高達數十億美元，且失敗率極高。AI能夠在靶點發(fā)現、化合物篩選、藥效預測及毒性評估等環(huán)節(jié)顯著提升效率。例如，機器學習模型可快速分析海量生物醫(yī)學數據，識別潛在藥物候選分子，甚至模擬其在人體內的行為，從而減少對大量實驗的依賴。
然而，這一樂觀預期也遭到不少質疑。一些科學家指出，藥物研發(fā)不僅涉及科學問題，還包含復雜的生物學不確定性、嚴格的監(jiān)管要求及臨床試驗中不可預測的人體反應。AI雖然在數據處理和模式識別方面表現出色，但其決策過程的“黑箱”特性仍令人擔憂。此外，生物系統(tǒng)的復雜性和個體差異使得完全依賴算法進行藥物設計面臨根本性挑戰(zhàn)。
監(jiān)管機構與倫理學者也提出謹慎看法。他們強調，盡管AI可以加快早期研發(fā)，但臨床試驗階段仍需遵循既定流程，以確保安全性與有效性。跳過必要的驗證步驟可能會帶來不可預見的風險。另一方面，AI模型的訓練數據若存在偏差，可能導致結果不具有普遍代表性，尤其在涉及多樣人群時問題更為突出。
哈薩比斯的愿景反映了科技巨頭對AI重塑醫(yī)藥行業(yè)的野心。然而，實現“按月研發(fā)藥物”的目標仍需跨越科學、技術與倫理的多重障礙。業(yè)界普遍認為，AI更適合作為輔助工具，與實驗科學、臨床專業(yè)知識和監(jiān)管框架協同作用，而非完全取代傳統(tǒng)研發(fā)路徑。
目前，Isomorphic Labs尚未公布其AI設計藥物的詳細數據或臨床試驗結果，科學社區(qū)仍在等待進一步證據以評估其實際成效。無論如何，哈薩比斯的言論成功引發(fā)了關于技術邊界與行業(yè)未來的深度思考，也為AI在生物醫(yī)藥領域的應用注入了新的動力與討論焦點。
（注：本文在資料搜集、框架搭建及部分段落初稿撰寫階段使用了 AI 工具，最終內容經人類編輯核實事實、調整邏輯、優(yōu)化表達后完成。）
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
