--- schema_version: 1 paper: 光明日报 paper_slug: guangming date: '2026-10-22' id: content_28017 title: AI制药能改变创新药“三个十定律”吗 author: 本报记者 杨舒 pretitle: '' subtitle: '' pages: - number: '13' name: 第13版：教科新闻 url: http://epaper.gmw.cn/gmrb/html/layout/202610/22/node_13.html source_url: http://epaper.gmw.cn/gmrb/html/content/202610/22/content_28017.html captured_at: '2026-10-26T00:15:13+08:00' status: text excerpt_type: 正文摘录 body_char_count: 2673 body_sha256: 0f12f2404aa91df423b39c54f0e3a67e0b8eb3e89993d0942bec0c9bed26f3a0 images: [] --- # AI制药能改变创新药“三个十定律”吗 [官方原文](http://epaper.gmw.cn/gmrb/html/content/202610/22/content_28017.html) ## 正文 【科技观察】 AI制药正在成为当前医药研发领域的热点。 今年9月，国内首款凭借AI辅助研发获批的原创药——盐酸伊司特韦片（商品名：艾普司韦，由西湖大学等单位研发）正式获批上市。相较于传统研发动辄十年的周期，这个药物从源头发现到完成临床试验仅用时三年半，AI在其中发挥的作用颇为关键。 一直以来，创新药研发被公认为“高投入、长周期、高失败率”。有人将其概括为“三个十定律”，即十年时间、十亿美元投入、不到百分之十的成功率。那么，AI是否会改变这一“定律”？ 药物研发前端效率大大提高 把实验室里的发现转变为临床上的创新药物，为何常要以十年计？ 业内专家表示，这源于它复杂的流程：第一步，药物研发人员需瞄准某一疾病的根本机制，锁定关键生物靶点，并通过高通量筛选与结构优化，从海量分子中“淘”出最具潜力的候选化合物；第二步是临床前研究，在细胞和动物模型中严格验证药物的安全性、毒性及代谢特征；第三步则是临床试验，申请获批后，药物需经历Ⅰ期（安全性）、Ⅱ期（疗效探索）和Ⅲ期（大规模确证）三个临床试验关，在真实世界中逐步验证其在人体中的真实价值。最终，药物经监管机构严格审评，获批上市。 其中，第一步的药物分子筛选过程犹如“大海捞针”，需要反复试错，高度依赖科研人员的经验和时间投入。 “而现在，AI介入新药研发后，首先改变的就是研发前端的效率。”中国科学院院士、中国科学院上海药物研究所研究员陈凯先说，“过去需要科研人员耗费大量时间完成的文献检索、数据分析、分子筛选等工作，如今可由AI辅助完成。” 据西湖大学研发团队介绍，在艾普司韦的研发初期，他们就利用AI技术在一个包含上亿种化合物的分子“大池子”中进行虚拟筛选，排除种种“假阳性”，找出最具可能性的“候选者”，这一步大大提高了效率。在药物研发的第二阶段，他们又利用AI模型提升对药物安全性、毒性等方面的预测精度。“艾普司韦证明，AI辅助药物研发在当前是高效可行的。”西湖大学校长助理王廷亮说。 这一做法在国内并不鲜见。“以前我们筛选一个候选分子，就像在黑屋子里找钥匙，摸到天亮也不一定找得到。”国药集团的一位研究员如此形容传统药物研发的无奈。如今，他们尝试把AI嵌入研发环节。例如，面对“一人一策”的肿瘤新生抗原发现难题，中国生物上海生物制品研究所科研团队自主搭建人工智能预测平台，能从数百万个可能的肿瘤基因突变位点中，锁定那些传统方法难以发现的候选疫苗多肽。基于该平台研发的mRNA个体化肿瘤治疗性疫苗，目前已完成早期概念验证。 可见，让算法替代人工试错，正成为越来越多药物研发者的选择。 警惕“AI生成的分子越多，失败的越多” 除了分析海量文献和数据、生成候选分子，AI也在参与实验设计等药物研发的各个环节。然而，有专家提醒，前端效率提升，并不意味着成药率同步提高。 清华大学药学院创始院长丁胜观察到一个现象：在AI的辅助下，药物研发前期生成分子的速度越来越快，但药物研发后续环节的失败率并没有随之下降——相反，“生成的分子越多，失败的越多”。因此，AI效率提升的背后，可能意味着后续更多需要验证的假设和更大的资源消耗。 在丁胜看来，AI发展得越快，科研人员越需要重新思考哪些事情值得“慢下来”做，比如加强对疾病机制的认识，寻找新的治疗概念、药物靶点和技术路径。 恒瑞医药人工智能辅助药物发现负责人韩涟漪判断，未来3到5年，AI将越来越普遍地进入药企研发流程，但评价AI是否真正能改变药物研发，不能只看生成多少分子、节省多少时间，更应看它是否提高研发成功率，是否带来更好的临床效果，以及最终是否让患者获益。 在上海国投科创产业研究院人工智能中心总经理张宣看来，前端生成能力越强，对后续筛选和验证能力的要求也越高。如何让更多候选分子经过有效筛选和实验验证，真正走到临床，成为AI制药下一阶段必须解决的问题。他认为，AI可以快速从已有数据中提取规律、生成新方案，但如果数据本身存在缺失、偏差或噪声，AI并不能自动弥补这些问题。 医渡科技政医事业部高级副总裁袁芳对此表示赞同：“当前新药研发需要的不只是海量数据，更是高质量、标准化、能够持续反馈并覆盖全生命周期的临床数据。”具体来说，发现全新药物靶点，需要数据维度全、临床结果准，以此驱动AI深入验证疾病机理，而不是只在已知靶点上做文章；而要加快临床试验速度，则需要标准化的海量数据，用来快速找病人、降成本，这些都需要坚实的数据支撑。 AI将成为新药研发的组织性力量 压缩研发周期、降低试错成本，AI制药带来的变革性力量已初露端倪。未来，又将有怎样的发展想象空间？ “当前，众多跨国药企通过并购或合作，加码AI靶标发现等前沿方向，凸显出生物医药行业向精准化、智能化、技术融合加速迭代的创新格局。”陈凯先说，在这一趋势下，AI对生物医药而言，将从“赋能”走向“原生”，其价值不止于提高既有流程效率，更在于能否助力科学家发现新的疾病机制、药物靶点和新药。 他进一步展望：AI赋能新药研究，将从目前作为应用的方法和工具，变成科研流程中的组织性力量，成为人类科学家的“伙伴科学家”。它带来的真正新变化，不是计算能力的升级，而是研发范式的重塑；不是单点技术的突破和局部效率的提升，而是整个研究流程的系统重塑，从线性串联模式变为多模态、多尺度信息融为一体的并行优化模式。 临港实验室研究员郑双佳认为，当下的AI制药技术正迎来第四轮浪潮，即依托推理大模型与科学智能体，实现科学假说的规模化生成与迭代验证。因此，该行业面临的挑战，已不再是AI基础研发能力的搭建，而是如何将现有技术与数据积累进行高价值转化，从而助力产出具备全球影响力的源头创新药物。 在这一浪潮中，中国需要把握机会。 有关数据显示，2025年我国批准的新靶点、新机制药品共11个，其中4个是国产创新药；2026年上半年，我国批准的新靶点、新机制药品共11个，全部为国产创新药。这说明，中国药物研发正逐步具备向原始创新迈进的基础。 9月18日，工信部等十部门联合印发《医药工业发展“十五五”规划》，首次将“AI制药全流程数据自动采集与追溯系统”作为高价值场景写入国家五年规划，并明确目标：到2030年，创新药产业规模年均增速超20%，首创新药全球占比突破25%。 “我们经历了跟踪仿制阶段、模仿创新阶段，正在向原始创新奋进，已具备了逐渐接近第一梯队的潜力，这就是今天中国生物医学领域发展所处的历史方位和前进目标。”陈凯先说。 （本报记者 杨舒） ## 配图 无独立配图。