TL;DR：AI 已经能预测蛋白结构、筛选化合物、几秒内生成候选分子，但合成、细胞实验、动物研究和人体临床仍受生物学规律与监管要求约束——AI 加速的是研发前端搜索，而不是整条新药研发流程。这一判断来自 Andreas Bender 等人 2026 年 8 月 7 日发表于 Nature Reviews Drug Discovery 的观点文章。
AI 已经能预测蛋白结构、筛选化合物、生成候选分子，也能辅助预测活性和毒性。计算端的进步很快，但一款药物是否安全、有效，最后仍要由实验和人体数据回答。
候选分子可以在几秒或几小时内生成。合成、细胞实验、动物研究和人体临床却受生物学规律、实验条件、患者差异与监管要求约束。前端搜索加速，并不会让整条研发流程按同样比例缩短。
🎬 视频版（B站） ｜ 🎧 音频版（5 分 29 秒）｜ 🟢 Spotify 订阅 ｜ 📖 偏好阅读？文字版就在下方 👇
AI 在药物研发中已经能做什么
目前常见应用包括：
- 从疾病机制和多组学数据中寻找潜在靶点；
- 预测蛋白质结构和分子相互作用；
- 在化合物库中做虚拟筛选；
- 生成新的候选分子；
- 预测活性、选择性、药代动力学或毒性相关性质；
- 辅助实验设计、数据分析和文献整理。
AlphaFold 在 2021 年的 CASP14 评测中显著提高了蛋白结构预测准确度，是计算方法改变生命科学工具链的明确案例。但蛋白结构只是药物研发需要处理的一类信息。知道一个蛋白大致长什么样，不等于已经找到了能安全治疗患者的药。
候选分子与药物之间隔着什么
FDA 对药物研发流程的说明列出了候选物之后仍需回答的问题：它怎样被人体吸收、分布、代谢和排泄；合适剂量是多少；可能出现哪些毒性和药物相互作用；不同人群的反应是否不同。
临床前研究只能回答一部分安全问题，不能替代人体研究。进入临床后，研究者还要分阶段评估剂量、安全性、初步疗效、治疗获益和少见不良反应。临床试验使用明确的方案、入组标准、对照和统计方法，计算模型不能跳过这些证据要求。
AI 如果只把早期筛选从一个月缩短到一天，而合成、验证或临床仍是主要瓶颈，患者拿到药物的时间就不会同步缩短。
生命科学数据为什么特别依赖条件
同一个分子在不同实验方法、细胞系统、剂量、时间点和患者群体中，可能表现不同。训练数据中的“有效”，也许只表示它在某个测试中与靶点结合，并不自动包含能否进入细胞、到达正确组织、避免伤害其他器官等信息。
数据还可能来自不同实验室、设备和记录标准。模型在随机拆分的测试集上表现很好，可能只是因为训练集和测试集共享了相似化合物、实验条件或研究习惯。换到新时间、新项目或新实验室后，性能未必保持。
因此，模型分数需要和适用范围一起解释。脱离实验条件的单一“准确率”，很难代表真实研发决策的可靠性。
“有效分子”本身可能没有定义完整
原文把这种问题称为 underspecification，即任务看起来已经定义，实际仍遗漏了决定结果的条件。
例如，“预测一个有效分子”至少可能指：
- 能与目标蛋白结合；
- 在细胞中改变预期通路；
- 能到达需要作用的组织；
- 在有效剂量下没有不可接受的毒性；
- 对目标患者群体产生可测量的治疗获益。
这些目标不能互相替代。模型可能准确优化了容易取得的代理指标，却没有优化项目最后真正关心的结果。此时增加模型规模或生成更多分子，只会让不合适的目标被执行得更快。
benchmark 应该评价模型，还是评价决策
Nature Reviews 的观点文章认为，药物研发中的 benchmark 需要从模型验证转向决策价值。团队不应只问预测误差有没有下降，还要问：
- 原本会继续投入的坏候选，是否更早被淘汰；
- 原本会错过的好方向，是否被模型发现；
- 实验数量、时间和成本是否减少；
- 换到未来数据、外部实验室和新项目后，判断是否仍可靠；
- 候选进入下一阶段后的失败率是否改变。
一个模型可以在静态数据集上领先，却没有改变任何 go/no-go 决定。反过来，一个不够耀眼的工具如果能稳定减少无效实验，可能更有实际价值。
“技术推动”和“科学问题牵引”有什么区别
技术推动通常从新模型出发：先做出更大的生成器或预测器，再寻找可以使用它的任务。科学问题牵引则先定位研发流程中最昂贵、最慢或最容易出错的决定，再判断 AI 是否适合改善这个决定。
两种路径都可能产生研究价值，但资源分配方式不同。生成大量分子很适合展示模型能力；如果项目真正卡在靶点选择、实验不可比或临床入组上，继续扩大分子生成量不会解决瓶颈。
团队应该直接回答：“模型改变了哪一个决定，以及这个决定为什么值得改变？”
从模型结果到患者获益需要哪些证据
这是概念性流程图。图中卡片宽度和候选数量不代表行业统计比例，具体研发路径也会因药物类型与适应症而不同。
计算结果首先是待验证假设。候选能否合成、实验能否重复、生物学机制是否成立、毒性是否可接受、人体内是否产生治疗获益，都需要后续证据。每个阶段都可能推翻上一阶段看起来很有希望的结果。
AI 可以帮助选择下一项实验、预测失败风险或整理多源数据，但模型置信度不能作为临床疗效证据。
临床影响证据有限，不等于已经证明无效
2026 年的 Nature Reviews 文章认为，AI 药物研发已有大量方法、应用和 benchmark，但临床相关影响的证据仍然有限。这句话不能反过来解释成“AI 制药已经失败”。
较成熟的新方法出现的时间，可能还短于一款药从发现走到完整临床验证所需的周期。许多项目仍在研发途中，结果尚未成熟。现在既不能用早期跑分提前宣布行业革命，也不能因为上市药物不多就认定这些方法没有价值。
合理的做法是持续追踪中间决策是否改善，并等待足够长的临床结果。
怎样做更接近现实的验证
团队可以把模型验证分成几层：
- 时间外推：用训练截止时间之后产生的数据测试；
- 外部验证：换实验室、项目、设备或患者来源；
- 前瞻验证：在结果尚未知时让模型参与真实决策；
- 湿实验验证：用合成、细胞或动物实验检查预测；
- 决策验证：记录模型是否改变候选淘汰、实验选择和资源投入；
- 临床验证：跟踪人体安全性、疗效和最终患者获益。
不同层级回答的问题不同。静态测试集适合筛查模型错误，外部和前瞻研究才能逐步说明它是否适合真实流程，临床试验则负责回答对患者是否有效。
AI 制药的近期价值可能没那么戏剧化
Hacker News 讨论中，一些从业者把 AI 的日常价值描述为安装和使用专业工具、编写分析脚本、检查实验方案、整理数据，或更快得到一个可供实验的起始结构。这些是社区个人经验，不代表行业统计。
这种价值仍然重要。研究人员每天少花一些时间处理软件和数据，可以把更多精力放在实验设计和结果解释上。它不会立刻产生一款新药，也很难进入“AI 发现药物”的宣传标题，但可能是技术真正进入研发流程的第一步。
AI 制药是否成功，最后要看它能否让关键决策更准确，让实验更少浪费，并帮助更安全、更有效的药物更快到达患者。模型排行榜只覆盖早期计算环节。
收看本期节目
原始资料与延伸阅读
本文由《听懂 AI》第 007 期整理而成。节目主要来源是 Andreas Bender、Morgan C. Thomas、Jack W. Scannell 等作者于 2026 年 8 月 7 日发表在 Nature Reviews Drug Discovery 的观点文章《Artificial intelligence in drug discovery — what it is, where we stand and the path forward》。本文补充 FDA 的药物研发流程资料和 AlphaFold 原始论文。Hacker News 讨论只作为社区观察，不作为临床效果证据。
- Andreas Bender、Morgan C. Thomas、Jack W. Scannell 等，2026-08-07：Artificial intelligence in drug discovery — what it is, where we stand and the path forward——Nature Reviews Drug Discovery 观点文章，主张把评测重点从模型验证转向研发决策和临床转化。
- U.S. FDA：Step 1: Discovery and Development——候选发现之后需要评估的药代、剂量、毒性和人群差异。
- U.S. FDA：Step 3: Clinical Research——人体临床研究的目的、阶段和证据要求。
- John Jumper 等，2021-07-15：Highly accurate protein structure prediction with AlphaFold——AlphaFold 在蛋白结构预测上的原始研究，不能单独代表完整药物研发周期。
- Derek Lowe：So How is AI Drug Discovery Doing, Really?——Hacker News 条目实际提交的 Science 评论文章，属于对 Nature Reviews 观点文章的二次讨论。
- Hacker News：AI in drug discovery — what it is, where we stand and the path forward——上述 Science 评论的社区讨论；评论只代表参与者观察。
资料说明：本文讨论研发评测与证据边界，不提供药物、疾病或临床决策建议。Nature Reviews 原文是一篇多作者观点文章，不是单项 AI 模型的临床试验；文中的流程图和评测建议是编辑阶段的概念性整理。