中国医学科学院药物研究所研究员  刘晓辉 

近日，我国药物临床试验登记与信息公示平台上一项新登记，将人们的目光引向AI制药——英矽智能的Rentosertib（伦托塞替布）正式启动Ⅲ期临床试验。这个全球首个从靶点发现到分子设计全程由生成式AI主导的药物，已进入上市前最后的疗效验证阶段。

该药针对的是特发性肺纤维化，这一致命肺病确诊后中位生存期仅2~3年，现有治疗手段十分有限。依托Pharma.AI（生成式人工智能平台），该项目从2020年开始，仅用18个月、260万美元（1美元约合6.7元人民币）便提名临床前候选化合物（传统方式通常要四五年、耗费数千万美元），最后用了不到5年的时间就推进至Ⅲ期临床。期间，该药于2023年2月获美国食品药品管理局孤儿药资格，2025年5月被中国国家药监局药品审评中心纳入突破性治疗品种，中美监管同步给予特殊通道。这一前所未有的推进速度，充分彰显了AI制药的巨大优势。

肺纤维化病理机制复杂，其关键驱动靶点长期未能明确。AI介入后，通过大规模分析基因组、转录组、蛋白互作网络和文献数据，从繁杂信息中锁定了一个此前极少被关注的靶点——TNIK。随后，AI不依赖已知分子结构，直接生成了针对该靶点的全新化合物。

AI制药之所以能大幅缩短研发周期并降低成本，首先在于它在靶点发现上有独特优势。面对海量的基因表达和疾病通路数据，人脑很难同时处理，算法却能借助多模态数据找出隐藏的规律。其次是分子设计的效率高。无需从现有化合物库中筛选，而是根据靶点结构直接设计新分子并对其活性、选择性和毒性进行预测。其通量之大、效率之高，似乎让新药研发变得触手可及。

但与此同时，AI制药也存在不可忽视的局限性。首先，药物的精准预测依赖于高质量训练数据，一旦数据存在错误、偏颇，结果常常不可靠。更大的障碍在于，生物学不存在精确公式，即使分子在体外和动物体内表现良好，进入人体后的吸收、分布、代谢过程以及意料之外的脱靶效应，都可能导致预测失效，而这些环节目前仍离不开湿实验（包括细胞水平实验、动物体内实验）和临床试验的检验。

需要注意的是，这款新药全程由AI主导，并不意味着人工智能自动推进，而是在人与AI的协作下进行。在靶点发现阶段，研究人员并非对AI给出的靶标清单照单全收，而是结合病理知识和可成药性进行斟酌再最终锁定。在分子设计阶段，AI负责构思大量候选结构并不断优化至几个最优选项，再由药物化学家综合成药性、合成的可放大性等因素做出取舍。在此过程中，AI负责大量重复劳动的“苦差事”，科研人员是按下“确定键”的角色。

AI功能如此强大，为什么至今没有一款AI药物跑完全程、获批上市？直接原因在于，早期发现只是新药研发的起始，候选分子确定后需进行临床Ⅰ期安全耐受、Ⅱ期初步疗效，再到Ⅲ期大规模确证，才能保证药物真正安全、有效，每一步都需要一两年甚至更久。而AI制药真正迈入临床实践不过十年，大量早期管线因数据基础不牢、靶点验证不到位或公司策略调整而中止，进入Ⅲ期临床已经是AI在当前时间窗口里交出的最快答卷。

AI制药的强大能量让人难免产生顾虑，比如担心其未来会取代药物科学家。但笔者认为，尽管AI能以前所未有的速度和规模处理数据、生成分子，但它无法替代人类对复杂生物学本质的理解、提出关键科学问题的直觉，以及在不确定信息中做出权衡的判断力。AI的算力延伸了人的脑力，但研发人员的经验和洞察，是决定创新方向和避免机械误判的灵魂所在。 至于AI制药的结果是否可信，这取决于验证而非计算。尽管AI预测能大幅提升候选分子的成功概率，但临床试验才是最终的裁决。此次Rentosertib（伦托塞替布）启动Ⅲ期，正是对这种AI研发模式最具说服力的检验。若成功，将首次以确证性证据证实AI主导路径的可靠；若受挫，则说明这一模式仍有待精进打磨。让我们对结果拭目以待。▲