Anthropic 计划自行研发药物

在本周早些时候的“The Briefing: AI for Science”活动中，Anthropic 发布了 Claude Science，这是一款面向科学家的全新“AI 工作台”，它将分散的工具和数据集整合到一个环境中，并能生成图表和可视化内容。Anthropic 已凭借其流行的编程工具和强大的 AI 模型主导行业，此次发布围绕 AI 的潜力展开，称其能够“大幅加速科学发现和医疗干预措施开发的步伐”，并列举了众多已在使用 Claude 的生物技术和制药客户。

Anthropic 更进一步，表示将自主研发药物。生命科学负责人 Eric Kauderer-Abrams 表示，公司将专注于发现针对“被忽视”疾病的治疗方法。

AI 公司一直积极争取科学和制药客户——OpenAI、亚马逊、谷歌等公司都有自己的生命科学工具和平台。但 Anthropic 的计划是主要前沿 AI 公司中最为直接的公开尝试之一，即实际开发药物。这使其处于一个特殊的位置：向其他潜在竞争的药企销售软件。Anthropic 加入了一场更广泛的竞赛，参与者包括 Insilico 等 AI 优先的药物公司、谷歌 DeepMind 分拆的 Isomorphic Labs、生物技术初创公司以及正在构建或购买自有 AI 工具的大型制药公司。

Anthropic 对其在药物开发领域的目标提供了非常少的细节。在活动中，Kauderer-Abrams 未说明如果发现任何有前景的药物候选物，公司将采取何种行动。Anthropic 未回应 The Verge 的评论请求，以获取更多细节，包括计划首先针对哪些疾病，以及是否会与其他公司合作进行实验室工作、动物测试、临床试验或生产。

专家告诉 The Verge，围绕 Anthropic 计划的不确定性反映了 AI 药物热潮本身更广泛的不确定性。“AI 药物发现”可能意味着许多事情。剑桥大学教授兼 AI 生物技术初创公司 CardiaTec 联合创始人 Namshik Han 解释说，这是一个“非常宽泛的术语”。AI 应用于“药物发现的每个阶段”，从发现新化合物和改进它们，到支持研究、数据分析、临床试验甚至生产。他说，每家主要药企都会以某种方式使用 AI。伦敦大学学院药物发现教授 Matthew Todd 呼应了 AI 已渗透药物发现和研究的观点，称其为“包罗万象的短语”，因为其用途广泛。

AI 无疑正在改变药物开发。Han 指出了阿斯利康、诺和诺德和葛兰素史克等制药巨头的众多举措，并表示 AI 已经可以帮助生成可能的药物思路，例如建议能与身体部分（如已知与特定疾病相关或现有药物靶点的细胞受体）相互作用的新分子。Todd 表示，AI 在加速研究方面非常有用，有助于“路测”新的药物思路。考虑到 Anthropic 在前沿模型方面的工作，该公司可能会使用生成式 AI 搜索广泛的化学和生物学可能性，帮助研究人员建立难以或缓慢发现的联系，从而可能提出新药思路、识别新的疾病靶点或为现有药物找到新用途。

但这距离 AI 设计的药物惠及患者仍有很长的路要走。Todd 表示，该领域“距离”AI 设计的药物获监管机构批准用于人类“还有很长的路要走”。他补充说，药物发现过程不会自主运行，整个过程中需要人类输入和监督。Todd 和 Han 都指出，缺乏公开可用的高质量实验数据（例如各种化学物质在体内的行为）也可能减缓药物开发工作，并强调即使对于研究充分的生物学领域，我们对事物运作方式的理解仍然存在巨大空白。

AI 无法解决药物发现中最缓慢的部分。牛津大学结构化学生物学教授兼牛津药物发现中心蛋白质晶体学负责人 Frank von Delft 表示，人们对推进 AI 模型感到兴奋是正确的，但它们“尚未接近使实验变得多余”。药物候选物仍必须在现实世界中测试其有效性、毒性以及是否具有实际属性，使其能够作为药物安全制备、储存和交付。所有这些都需要熟练的劳动力、大量资金和时间，尤其是人体临床工作——这是许多有前景的药物候选物失败的时刻。von Delft 说，如果 Anthropic 想开发一种药物，它“将不得不在实验上花费大量资金”。

Anthropic 可能愿意尝试。在过去一年中，该公司一直在积极招聘生物学家并建设自己的湿实验室，截至本文撰写时，它已有多个生命科学职位的招聘信息。Han 表示，Anthropic 也在该领域“积极招聘”，并补充说他的几位学术同事已被该公司接触。Han 未指名道姓，但他认为 Anthropic 已成功从大型制药公司和知名学术机构挖走了一些人才。

鉴于所有这些复杂性，无论 Anthropic 选择哪种疾病，任何回报都可能遥遥无期——至少需要十年左右，因为新药通过临床试验通常需要很长时间。Todd 说，测试药物“总是存在很大的滞后时间”。“证明某物安全需要时间。”尚无 AI 设计的药物通过临床试验和 FDA 批准上市。一些 AI 开发的候选药物已进入临床试验，但很难知道 AI 在多大程度上做出了贡献，在过程中用于何处，或者这些候选药物是否优于传统药物。AI 可以加速部分搜索，但药物仍需以老式方式证明自己：在现实世界中进行缓慢、有条理的实验。