AI 新药迈入临床验证，研发范式迎来变革

创新药物研发长期存在投入大、周期漫长、临床失败率较高的行业痛点。传统模式从靶点挖掘到候选分子进入临床阶段,往往耗费数年时间,大量候选化合物在临床试验阶段终止开发。

近年来生成式 AI 与生物信息学快速融合,依托多组学数据库自动挖掘潜在疾病靶点、设计候选分子,AI 驱动的新药研发项目密集进入临床阶段,成为生命健康领域备受关注的前沿方向。全球多家药企与科研机构持续布局,探索 AI 在药物研发全链条中的应用边界。

AI 发现分子临床数据初现,早期成功率高于行业均值

波士顿咨询公司(BCG)2024 年刊发于《Drug Discovery Today》的行业分析显示,截至 2023 年底,共有 24 个由 AI 参与发现的小分子药物完成 I 期临床试验,其中 21 个顺利推进至下一阶段,I 期成功率达到 80%–90%,优于传统新药研发 40%–65% 的历史均值;但 AI 分子 Ⅱ 期临床试验成功率约 40%,与行业基线水平基本持平,提升效应集中在研发早期环节。

特发性肺纤维化候选药物Rentosertib是AI新药领域标志性案例,其中IIa期临床研究成果发表于《自然·医学》。该项目依托 AI 完成靶点识别与分子设计,71 例受试者为期 12 周的试验结果显示,60mg 每日给药组用力肺活量指标呈现改善信号,安慰剂组指标有所下降。

该候选分子从靶点锁定到临床前候选物确定仅耗时 18 个月,远短于传统研发 4-5 年的平均周期,目前项目已推进至 Ⅲ 期临床。案例印证 AI 可高效缩小候选分子范围,减少盲目化学合成与筛选,压缩临床前研发的时间与资源成本。

人机协同成监管共识,AI 定位为研发辅助工具

随着 AI 深度介入研发链条,监管层面的边界正在厘清。国家药监局 2026 年发布的《关于“人工智能 + 药品监管”的实施意见》明确提出,建立“数智赋能、人工复核、全程留痕”的人机协同机制,AI 在药品审评审批等关键环节仅承担资料初筛、风险提示等辅助职能,关键决策由专业人员完成。

监管层面,国家药监局相关文件明确 AI + 药品监管遵循“数智赋能、人工复核、全程留痕”原则,药品研发关键决策须由专业人员完成。

在器官衰老相关制剂赛道,LAIFE 等机构尝试将 AI 计算平台用于多组分协同筛选,依托已发表的基础文献开展预实验,探索 AI 在非药物健康干预方向的应用潜力。这类探索同样遵循基础科研逻辑,算法输出的配方组合仍需要实验室验证,不替代基础生物学研究。业内专家表示,AI 的核心价值是释放科研人员,使其从海量重复筛选工作中抽离,聚焦疾病机制解析与临床方案设计。

AI 正在改变新药研发的底层工作方式,但一款新药能否最终获批上市,仍取决于完整、严谨的多期临床试验对安全性、有效性的验证。

AI 技术的现实价值,在于压缩早期靶点挖掘与分子设计的时间成本,让更多研发资源投向临床未满足需求。随着医药数据体系不断完善与医工交叉持续深化,AI 有望在更多尚无有效疗法的疾病领域发挥作用,为创新药研发提供新的可能。