Anthropic 計劃自行研發藥物

在本週早些時候的“The Briefing: AI for Science”活動中，Anthropic 發佈了 Claude Science，這是一款面向科學家的全新“AI 工作台”，它將分散的工具和數據集整合到一個環境中，並能生成圖表和可視化內容。Anthropic 已憑藉其流行的編程工具和強大的 AI 模型主導行業，此次發佈圍繞 AI 的潛力展開，稱其能夠“大幅加速科學發現和醫療干預措施開發的步伐”，並列舉了眾多已在使用 Claude 的生物技術和製藥客户。

Anthropic 更進一步，表示將自主研發藥物。生命科學負責人 Eric Kauderer-Abrams 表示，公司將專注於發現針對“被忽視”疾病的治療方法。

AI 公司一直積極爭取科學和製藥客户——OpenAI、亞馬遜、谷歌等公司都有自己的生命科學工具和平台。但 Anthropic 的計劃是主要前沿 AI 公司中最為直接的公開嘗試之一，即實際開發藥物。這使其處於一個特殊的位置：向其他潛在競爭的藥企銷售軟件。Anthropic 加入了一場更廣泛的競賽，參與者包括 Insilico 等 AI 優先的藥物公司、谷歌 DeepMind 分拆的 Isomorphic Labs、生物技術初創公司以及正在構建或購買自有 AI 工具的大型製藥公司。

Anthropic 對其在藥物開發領域的目標提供了非常少的細節。在活動中，Kauderer-Abrams 未説明如果發現任何有前景的藥物候選物，公司將採取何種行動。Anthropic 未回應 The Verge 的評論請求，以獲取更多細節，包括計劃首先針對哪些疾病，以及是否會與其他公司合作進行實驗室工作、動物測試、臨牀試驗或生產。

專家告訴 The Verge，圍繞 Anthropic 計劃的不確定性反映了 AI 藥物熱潮本身更廣泛的不確定性。“AI 藥物發現”可能意味着許多事情。劍橋大學教授兼 AI 生物技術初創公司 CardiaTec 聯合創始人 Namshik Han 解釋説，這是一個“非常寬泛的術語”。AI 應用於“藥物發現的每個階段”，從發現新化合物和改進它們，到支持研究、數據分析、臨牀試驗甚至生產。他説，每家主要藥企都會以某種方式使用 AI。倫敦大學學院藥物發現教授 Matthew Todd 呼應了 AI 已滲透藥物發現和研究的觀點，稱其為“包羅萬象的短語”，因為其用途廣泛。

AI 無疑正在改變藥物開發。Han 指出了阿斯利康、諾和諾德和葛蘭素史克等製藥巨頭的眾多舉措，並表示 AI 已經可以幫助生成可能的藥物思路，例如建議能與身體部分（如已知與特定疾病相關或現有藥物靶點的細胞受體）相互作用的新分子。Todd 表示，AI 在加速研究方面非常有用，有助於“路測”新的藥物思路。考慮到 Anthropic 在前沿模型方面的工作，該公司可能會使用生成式 AI 搜索廣泛的化學和生物學可能性，幫助研究人員建立難以或緩慢發現的聯繫，從而可能提出新藥思路、識別新的疾病靶點或為現有藥物找到新用途。

但這距離 AI 設計的藥物惠及患者仍有很長的路要走。Todd 表示，該領域“距離”AI 設計的藥物獲監管機構批准用於人類“還有很長的路要走”。他補充説，藥物發現過程不會自主運行，整個過程中需要人類輸入和監督。Todd 和 Han 都指出，缺乏公開可用的高質量實驗數據（例如各種化學物質在體內的行為）也可能減緩藥物開發工作，並強調即使對於研究充分的生物學領域，我們對事物運作方式的理解仍然存在巨大空白。

AI 無法解決藥物發現中最緩慢的部分。牛津大學結構化學生物學教授兼牛津藥物發現中心蛋白質晶體學負責人 Frank von Delft 表示，人們對推進 AI 模型感到興奮是正確的，但它們“尚未接近使實驗變得多餘”。藥物候選物仍必須在現實世界中測試其有效性、毒性以及是否具有實際屬性，使其能夠作為藥物安全製備、儲存和交付。所有這些都需要熟練的勞動力、大量資金和時間，尤其是人體臨牀工作——這是許多有前景的藥物候選物失敗的時刻。von Delft 説，如果 Anthropic 想開發一種藥物，它“將不得不在實驗上花費大量資金”。

Anthropic 可能願意嘗試。在過去一年中，該公司一直在積極招聘生物學家並建設自己的濕實驗室，截至本文撰寫時，它已有多個生命科學職位的招聘信息。Han 表示，Anthropic 也在該領域“積極招聘”，並補充説他的幾位學術同事已被該公司接觸。Han 未指名道姓，但他認為 Anthropic 已成功從大型製藥公司和知名學術機構挖走了一些人才。

鑑於所有這些複雜性，無論 Anthropic 選擇哪種疾病，任何回報都可能遙遙無期——至少需要十年左右，因為新藥通過臨牀試驗通常需要很長時間。Todd 説，測試藥物“總是存在很大的滯後時間”。“證明某物安全需要時間。”尚無 AI 設計的藥物通過臨牀試驗和 FDA 批准上市。一些 AI 開發的候選藥物已進入臨牀試驗，但很難知道 AI 在多大程度上做出了貢獻，在過程中用於何處，或者這些候選藥物是否優於傳統藥物。AI 可以加速部分搜索，但藥物仍需以老式方式證明自己：在現實世界中進行緩慢、有條理的實驗。