AI药物研发：打破数据闭环，重塑新药发现

药物发现是一项高成本、高风险的事业，在日益注重先发优势的市场中承受着巨大压力。自20世纪50年代以来，新药研发成本大约每九年翻一番——这一现象被称为“Eroom's Law”（摩尔定律的反向）。如今，将一款新药推向市场平均需要10至15年，成本高达数十亿美元。然而，人工智能（AI）的崛起正试图改写这一规则，但其成功的关键在于如何构建并“闭合”数据闭环。

数据困局：AI药物发现的阿喀琉斯之踵

AI模型在药物发现中的潜力毋庸置疑：从分子结构预测、虚拟筛选，到临床试验设计，AI能够处理海量数据并挖掘出传统方法难以识别的模式。但一个核心问题始终悬而未决——数据的质量、数量与多样性。大多数AI模型依赖公开数据库（如ChEMBL、PDB），这些数据往往存在标注不一致、实验条件差异大、阳性结果偏多等缺陷。正如MIT Technology Review Insights的分析指出：“当前AI药物发现的最大瓶颈并非算法，而是缺乏经过验证的、闭环反馈的训练数据。”

“我们拥有最先进的Transformer模型，却用着上世纪90年代的数据集。”——某跨国药企AI研发负责人

所谓“数据闭环”，指的是从实验生成数据→训练AI模型→模型预测新分子→实验验证预测结果→验证数据回馈模型，形成持续迭代的循环。传统流程中，实验数据是线性流动的，很少系统性反馈给AI模型。而在AI驱动的模式下，每一次实验都应成为模型进化的养料。

闭环构建：从“数据孤岛”到“联邦学习”

解决方案正在浮现。首先，药企开始采用“主动学习”策略：AI模型主动建议最值得实验的分子，实验室据此开展验证，结果自动录入数据库并更新模型。这种方法可大幅减少无效试错。其次，多模态数据融合成为趋势——将基因组学、蛋白质组学、临床影像、电子健康记录（EHR）等异构数据整合到一起，训练更鲁棒的预测模型。但数据隐私问题随之而来，尤其是多家机构间的协作。

联邦学习（Federated Learning）提供了一条路径：不同机构的本地模型在不交换原始数据的情况下共享梯度参数，从而共同训练全局模型。2025年，由MIT与多家药企联合发起的“OpenVaccine”项目已成功利用联邦学习预测COVID-19候选疫苗的免疫原性，验证了该模式的可行性。

编者按：AI不是魔法，数据闭环才是核心

纵观AI医疗领域的历史，从影像诊断到基因组解读，算法从未单独创造奇迹。药物发现尤其如此：一款新药的成功不仅依赖于靶点识别和分子设计，更与动物实验、临床药代动力学、毒性安全性等环节密不可分。如果AI无法获得这些“下游”环节的反馈数据，其预测结果将始终停留在理论层面。因此，未来的竞争焦点或许不是谁拥有更大的模型，而是谁拥有更完整、更实时的数据闭环系统。

值得注意的是，监管机构也开始关注AI数据的可溯源性。FDA在2025年发布的《人工智能药物开发指南》草案中明确要求：AI模型的训练数据必须包含阴性结果、且需提供实验验证的追溯记录。这实际上推动了行业对数据闭环的强制性建设。

展望未来，AI驱动的药物发现将进入“数据驱动决策”的深水区。那些能率先打通从实验室到临床再到市场的全链路数据反馈机制的企业，将享受到Eroom's Law被逆转带来的红利。

本文编译自MIT Technology Review