大型製藥公司通報 AI 藥物研究週期加快

新聞摘要
主要製藥公司表示,人工智慧已開始縮短藥物研究最早期的階段:Novo Nordisk 指出分子設計的循環次數更少、速度更快,Novartis 則描述從專案啟動到找出候選藥物的路徑有所縮短。這些進展僅限於研究與候選藥物篩選,尚不足以證明由 AI 設計的藥物能在試驗中成功,或更快送到病人手中。
早期研究速度加快
根據 2026 年 11 月 20 日(美東時間)報導的說法,大型製藥公司的科學家描述 AI 已不再只是行政支援工具,而是進入分子設計、候選藥物排序與早期安全性評估。GSK、Bristol Myers Squibb、Novartis、Eli Lilly、Novo Nordisk、AstraZeneca 與 Sanofi 均表示,他們正把 AI 應用於研發工作流程。
Novo Nordisk 提出了一項具體的流程指標:在 AI 輔助下,設計、製造與測試新分子的循環次數已從約八次降至三次。該公司也指出,每次循環現在約需四週,先前則為八週。綜合來看,這代表實驗室反覆迭代的回合數減少,且每一回合所需的時間也縮短。
Novartis 表示,從啟動研究計畫到選出候選藥物的平均時間,已從大約三年縮短至約 18 個月至兩年。其研究主管將這項進展歸因於更有效地運用累積下來的資料。此外,該公司表示 AI 工具協助排出了五個標的的優先順序,用於開發潛在的腎臟疾病療法。
Sanofi 表示,一套以 AI 解讀早期生物學資訊並做出臨床決策的方法,讓該公司在開發氣喘治療藥物 lunsekimig 的過程中跳過了一項劑量選擇研究,省下至少一年時間。這是單一計畫層級的具體案例,而非每項藥物開發計畫都能獲得相同縮幅的證據。Bristol Myers Squibb 表示,若沒有其 AI 系統,旗下某項鐮狀細胞疾病的候選藥物根本不會被開發出來;這些系統也被用於優化分子,並利用試驗資料模擬結果。
這些數字衡量的是什麼
上述數據描述的是研究作業:需要多少回合的設計與測試、一回合耗時多久,或團隊多快能找到值得推進的候選藥物。AI 系統能搜尋龐大的化學與生物資料集、提出分子結構、估算性質,並協助科學家決定接下來該做哪些實驗。把這些預測與實驗室自動化串接起來,可讓提出化合物、合成與測試的循環更加連貫。
這些公布的成果來自各公司的說法,而各家機構採用的衡量方式並不一致。更快找到候選藥物,本身並不代表該候選藥物更安全、更有效,或更有可能通過臨床試驗。整體開發流程仍取決於人體試驗、療效與安全性的證據,以及法規審查。
臨床證據仍是關鍵考驗
進入臨床試驗的 AI 輔助候選藥物數量僅小幅成長。一位追蹤該領域的研究人員在 2026 年 3 月統計出,69 家公司共有 129 項候選藥物,高於八個月前的約 117 項;其中多數仍處於早期開發階段。研究人員預期研發管線將持續擴大,但目前仍不清楚 AI 輔助藥物是否能比其他候選藥物取得更高的臨床成功率或更快的核准速度。
人體試驗可能耗時數年,並涉及分子設計工具無法消除的實務限制。AI 或許能協助團隊挑選標的、優化試驗設計或解讀資料,但這些貢獻必須與藥物最終在病人身上的表現分開評估。就目前而言,最有力的證據是部分公司確實在特定早期研究工作中減少了時間與重複作業。
資料與合作關係決定採用程度
製藥公司正把內部的生物與化學資料集,結合機器學習工具與實驗室專業。Sanofi 的運算與 AI 主管表示,模型的價值取決於能否取得合適的訓練資料;該公司與 Novo Nordisk 都表示,不會把專有資料提供給前沿 AI 實驗室用於模型訓練。這些選擇反映出企業專屬資料的重要性——唯有如此,科學預測才能在特定研究計畫中真正派上用場。
製藥公司與 AI 開發商之間的關係也在演變。部分製藥公司把 AI 公司視為合作夥伴,另一些則隨著這些公司逐步建立科學研究能力,將其視為潛在競爭者。製藥公司帶來多年的實驗成果與領域專業;科技公司則帶來通用模型與運算基礎設施。這些資產如何結合,將影響當前的週期時間改善能否在更多疾病與計畫中複製。
可量化但仍屬早期的生產力轉變
這些公布的縮幅提供了一種務實的方式來評估 AI 在藥物探索中的表現:計算實驗循環次數、追蹤從專案啟動到選出候選藥物的時間,並衡量計畫是否在更充分的證據支持下向前推進。Novo Nordisk 的循環數據與 Novartis 的候選藥物篩選時程,顯示早期探索的部分環節已有實質斬獲。Sanofi 的案例則說明,AI 輔助的決策也可能改變一項開發計畫的架構方式。
下一步是把這些作業面的收益連結到實際成果:候選藥物品質、臨床成功率、安全性,以及病人接受治療所需的時間。在這些指標成熟之前,早期研究加速應被理解為一項具有科學潛力的生產力提升,而非 AI 已縮短從實驗室構想到藥物獲准上市整段旅程的證明。
本文由 AIBARS 編輯部在 AI 輔助下整理。AI 可能出錯,重要資訊請以原始來源為準。發現錯誤?請來信 [email protected]。