AI 新药也受资本与数据等基础设施限制…亟需大规模投资
韩国制药生物协会举办“AI Pharma Korea”大会
有专家指出，要利用人工智能（AI）进行新药开发，研究者必须亲自积累数据，即便是很小的、肉眼可见的成果也要不断做出来。
韩国制药生物协会于25日在首尔江南区COEX举办的“AI Pharma Korea Conference 2025”上，围绕人工智能如何应用于新药开发、韩国企业首先应从哪些方面改变等问题，对AI新药开发进行了具体讨论。
Mokam生命科学研究所所长 Shin Hyunjin 在韩国制药生物协会于25日在首尔江南区COEX举办的“AI Pharma Korea Conference 2025”上进行演讲。记者 Jung Donghun
View original image因数据不足，AI新药开发仍有限制……需通过自动化实验积累数据
首尔大学生命工学部教授兼Proteina代表Yoon Taeyoung首先分析了为何抗体新药难以通过AI进行设计。随着能够预测蛋白结构的“AlphaFold（DeepMind开发）”等技术出现，曾有人寄望于“AI能否直接设计出抗体”，但现实中成功概率很低。Yoon教授表示，这是因为抗体中与抗原结合的区域，即所谓的“CDR（互补决定区）”并非固定结构，而是会根据情境改变形状，“通俗地说，就像一个怎么也拍不清楚的移动靶标”。他还指出，“必须综合考量抗体与靶标蛋白结合的力度、在生产过程中是否易于制备、对热的耐受程度等多种因素”，单靠现有AI模型存在明显局限。
他提出的解决方案归结为“多做、多测”。Yoon教授团队将CDR序列变换出数千种组合，通过自动化设备进行制备，并利用专用芯片同时测量其结合力、稳定性和生产性，这一“SPID平台”可在单分子水平上快速而准确地测定蛋白与蛋白之间如何结合和解离。通过将芯片、自动化设备与荧光成像结合，研究者能够在短时间内轻松确认药物候选物的作用或新的蛋白相互作用。将这样获得的数据用于AI训练，再由AI提出新结果并进行评分，如果形成这种“快速闭环”，设计精度就会迅速提高。
Yoon教授表示，在改良自身免疫疾病治疗药物“阿达木单抗”的过程中，他们找到了以更小剂量即可达到与原研药同等疗效的候选抗体。AI还提出了人类研究者原本不太会尝试的组合，使结合力提高了5倍以上。他强调：“韩国企业当下可以做的，就是在内部构建这种反复实验体系，持续积累数据”，“不仅要给结合力打标签，还要对生产性、稳定性、细胞渗透力等多项指标进行标注，才能降低开发后期的风险。”
AI归根结底是缩短时间和降低成本的工具
首尔大学生命工学部教授兼 Protina 代表 Yun Taeyoung 正在韩国制药生物协会于25日在首尔江南区 COEX 举办的“AI Pharma Korea Conference 2025”上进行演讲。摄影记者 Jung Donghun
View original imageMogam生命科学研究所所长Shin Hyunjin将新药开发中AI的本质定义为“减少劳动和成本的工具”。一款新药从问世到上市往往需要10至15年，投入从数千亿到数万亿韩元不等，成功率却不足10%，而AI正是用来哪怕只缩短其中一部分过程。他将AI的作用概括为三点：▲“预测”候选物质的性质 ▲在多个候选中进行“优化”，找到最佳组合 ▲“生成”现实中尚不存在的新序列。他指出，AI最能发挥作用的是临床之前的前端阶段，即候选物质发掘阶段，因为临床阶段的数据多被束缚在制药公司和医院内部，AI难以进行学习。
同时，他也指出了韩国面临的局限：国内市场规模较小、协作不足，难以进行大规模投资。中国在AI新药领域迅速取得成果，归根结底得益于资本与监管环境。Shin所长表示：“需要构建一种医院—企业—研究所之间可以安全共享数据的联合型基础设施”，“如果能够在真实患者数据基础上利用‘数字孪生’模型虚拟运行临床试验，就能显著提升开发速度。”
两位专家的发言最终得出了相同的结论：要让AI在新药开发中真正发挥力量，比起华丽的算法，更先要具备的是高质量数据以及快速的实验—验证循环。Yoon教授预测，“只要有一家大型企业拿出一个成功案例，市场的疑虑就会消除，资金也会随之涌入”；Shin所长也强调，“必须放宽资本和监管限制，才能撬动大规模投资”。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
