AI制药、创新药，今天估计要疯狂了

Claude开始亲自造药了？AI制药的底层逻辑，彻底变了

我认为，Claude这次进入药物研发，真正值得关注的不是AI突然就会造药了，而是人工智能正在从一个辅助科研的工具，变成能够参与多个研发环节的工作伙伴。

Anthropic在官网披露，公司已经与百时美施贵宝、BigHat Biosciences、Divergence Labs等六家机构开展药物研发合作，还启动了自己的药物发现项目。

这件事确实有产业价值，不过要是把它直接理解成AI已经能够独立研发出新药，就有些说过头了。

这次消息里有一个容易被忽略的细节，Anthropic与六家机构开展的合作，覆盖了不同的药物研发任务，并不是六家机构联合起来，让Claude独立研发同一种药物。

百时美施贵宝的合作重点包括科研信息分析、临床试验规划、研发文件处理等工作。

Anthropic自己的项目，则涉及罕见儿童型肌营养不良症。把这些不同的项目放在一起看，才能理解这次布局的真正意义：AI正在向药物研发的更多环节延伸，而不是只负责生成几个分子结构。

我更愿意把这次变化理解为科研组织方式的升级，过去谈AI制药，很多人想到的是让算法寻找药物靶点，或者从大量候选分子中筛出可能有效的结构。

现在，大模型还能参与文献分析、提出研究假设、规划实验、分析实验结果、整理研发材料。

原本需要研究人员在不同软件、数据库和实验团队之间反复协调的工作，有机会被串联起来。

Anthropic公布的案例里，就有比较具体的进展。

BigHat Biosciences与研究人员合作，让Claude参与优化两种抗体片段，实验室在大约10周内制备并测试了约1010种变体，部分候选分子的结合能力和稳定性得到改善。

这里最值得注意的，并不是AI一次性算出了多少种结构，而是模型提出方案、实验室开展验证、结果再反馈给研究人员的循环，能够在更短时间内反复进行。

这才是AI制药值得长期观察的地方，药物研发不是一场只比谁计算得快的比赛，真正的难题在于怎样更快地排除错误方向，找到值得投入资源的候选药物。

AI能够扩大搜索范围、协助分析复杂数据，实验结果又能帮助团队修正判断。

假如这套流程能够在更多药物项目中稳定运行，企业就有机会用相同的研发资源探索更多方向。

不过，Claude参与研发，并不等于Claude已经独立完成了新药开发。

Anthropic还披露了一个更接近自主研发的案例：公司收购了此前只有一名全职创始人的Mithril Medicine。

创始人曾借助Claude协调外部实验室、安排实验、分析数据，围绕罕见肌营养不良症开展研究，相关治疗思路已经在小鼠实验中出现积极结果。

这件事确实值得重视，一个规模很小的团队，借助大模型和外部实验资源，就有机会推动过去需要更多人力协调的研发工作。

但小鼠实验出现积极结果，不代表人体治疗效果已经得到证实。

Anthropic表示，如果后续候选药物经得住进一步验证，相关项目最早可能在2028年末进入人体临床试验。

这仍然是一个有条件的目标，并不是确定的临床进度，更不是药物已经成功上市。

我觉得，罕见病是这件事里特别值得讨论的方向，却不能简单理解成AI最容易攻克的领域。

罕见病患者人数少，传统研发确实容易遇到商业回报不足的问题。

一些疾病缺乏成熟的治疗方案，市场上的研发投入也可能不够充分。

AI如果能够帮助研究人员整合遗传学、蛋白质结构、既有文献和实验数据，就有机会更高效地寻找研究线索，让一些过去不容易获得资源的疾病得到更多关注。

可数据少也是实实在在的难题，患者数量有限，意味着临床样本可能不足，研究结果也更难验证。

AI可以利用现有知识提出假设，却不能凭借算力凭空制造人体证据。

药物是否安全、是否有效，仍然需要经过实验研究和规范的临床试验来回答。

把罕见病说成AI能够轻松突破的领域，并不符合药物研发的实际规律。

我的看法是，Claude参与药物研发，确实让AI制药的应用范围向前迈了一步，但距离AI独立研发出安全、有效并获批上市的新药，还有不少关口要过。

对行业而言，创新要尊重科学规律，研发成果要经得住实验和临床检验。

只有把人工智能的效率优势转化成真正惠及患者的药物，这场技术变革才算走到了有价值的地方。