从优化到创造：如何让AI更好地成为药企的“灵感引擎”？

人工智能正日益融入药物发现与开发的全过程，它能够帮助生成假设、揭示关联，助力研究人员实现“同类首创”的突破。而这一切的关键，在于将高质量、结构化的数据与能够发现潜在机会、并可与研究者共同验证的系统有机结合。本文将借助FRONTEO公司董事兼首席技术官Hiroyoshi Toyoshiba博士的深刻洞见，探讨AI如何激发创新灵感，以及为何人类智慧仍不可或缺。

关于Hiroyoshi Toyoshiba博士

Dr. Hiroyoshi于2000年获得数学博士学位后，曾在九州大学医院医学信息部、美国国家环境健康科学研究所、武田药品工业株式会社等机构担任生命科学数据分析相关职位。2017年加入FRONTEO，专注于开发生命科学领域的AI算法。FRONTEO是一家总部位于东京日本科技公司，专注于通过AI和大数据技术为法律、医疗、商业智能等领域提供创新解决方案，开发出了“药物发现AI工厂”。

在当今制药行业，创新的压力无处不在。研发团队不仅要加快研发速度、控制成本，还需开发更精准的疗法，然而从创意到获批之间仍是一段漫长而充满不确定性的旅程。面对海量增长的科研数据与文献，单凭人工已无法尽览全貌。因此，人工智能被广泛应用于分析与洞察，帮助研究者触及过去难以企及的发现。

AI已被应用于药物研发的多个阶段，但它无法独立完成所有任务。正如Hiroyoshi博士所言：“即便拥有海量数据与AI，也不代表一定能得出正确答案。再聪明的AI 也不能独立‘发现’。”

更具前景的方法，是借助AI生成假设、挖掘隐性关联，从而助力研究人员实现真正的创新。Hiroyoshi博士指出，“最终，只有人类才能将AI给出的线索转化为真正的发现。”这一经验不仅适用于FRONTEO，也为所有在现代药物研发中乘风破浪的机构提供了借鉴。

学术文献正以指数级增长，随之而来的是识别其中有价值见解的难度大大提升。传统的文献综述方法已力不从心，面对数据的汪洋，AI正被赋予人类“不可企及”的使命。

Hiroyoshi博士解释道：“学术论文是构建研究假设的重要来源。因此，我选择专注于自然语言处理AI，借此解析科研文献、激发全新思路。”

从人工查阅文献，到由AI辅助生成研究假设，这一转变折射出整个行业的深层变革。然而，它也带来新的疑问：我们该如何确保AI不会固化已有偏见？又该如何验证AI产出的见解是否真实可靠，具备创新性？

AI如今在药物发现的化合物优化阶段发挥着越来越关键的作用——这是进入临床前的重要一环，研究人员在此阶段致力于提升药效与安全性。然而，AI在生成全新科研假设方面，同样潜藏着巨大潜能。

“AI的本质决定了它擅长计算优化，能迅速逼近正确答案。然而，真正发现全新靶点仍是一大挑战。我们的目标应是：找到那些全球尚未有人涉足的、创新且高度可靠的候选靶点。”Toyoshiba博士如是说。

Hiroyoshi博士提出的“非连续性发现”理念颇具启发性——即从已知信息中发现未知关系。实现这一目标的AI系统，必须具备“无偏”与“探索”两大特性。他指出：“在用AI发现未知事物时，‘无偏性’至关重要，我们应该格外警惕AI被人类偏见引导。而另一个关键，是如何有意地制造‘科学的偶遇’——这才是创新发现的灵魂所在。”

这与传统上将AI视为优化工具的方式截然不同。在这种全新视角下，AI被赋予“创造性伙伴”的角色——它能够发现意想不到的联系，激发新的探索方向。

尽管AI工具日益精进，生命科学领域的“发现”本质上仍是一场人类的探险。算法可以揭示模式、提示关联，但唯有人类才能对这些线索作出判断、验证其真伪、并赋予其现实意义。正如Hiroyoshi博士所言：“最终，能将AI线索化为创新发现的，唯有人类。”

这凸显出“协同智能”的重要性——一种AI并非取代人类决策，而是放大人类判断力的模式。对研发负责人而言，更有效的策略，是将AI深度融入科研流程，助力科学决策更快、更准、更深。

这意味着，AI生成的假设必须经由既定流程严谨验证，包括临床前与临床阶段的多重检验；同时，也要确保这些技术能自然嵌入现有的科研体系与监管生态中，协同前行。

AI驱动药物发现的另一关键要素，是它所依赖的数据质量。AI模型的效能不可能超越其训练数据的上限，因此，结构化、经同行评审、覆盖广泛的科学文献至关重要。对于所有在研发中运用AI的组织而言，更重要的启示是：必须将数据治理与来源可靠性置于战略首位。唯有以质为先，方能确保AI工具所输出的洞见不仅新颖，更经得起科学验证，并具备可操作性。

正如Hiroyoshi博士强调的：“数据来源的可信度对于分析结果极为重要。在这方面，施普林格·自然提供了极具权威性的顶级学术文献数据库。”

超过180年以来，施普林格·自然始终坚持出版扎实和有深刻见解的科研成果，支持拓展新的知识领域，推动思想和信息的全球交流，引领开放获取的趋势，以促进探索发现。

作为一家学术出版机构，施普林格·自然汇聚了一系列深得信赖的品牌，包括施普林格、Nature Portfolio、BMC、Discover、帕尔格雷夫·麦克米伦和《科学美国人》等。超过180年以来，我们始终坚持出版扎实和有深刻见解的科研成果，为全球各种规模的企业和医疗机构——无论是初创公司还是跨国集团——提供研发所需的高质量的期刊与电子图书、深度分析与医药数据，激发创新思维，推进产品研发。

随着制药行业加速迈入精准与个性化医疗时代，AI也必须同步进化。未来的治疗将更加契合个体患者的特异性，AI系统也需顺势而变，向特定疾病领域、数据类型或研发环节深度定制与垂直优化。

Hiroyoshi博士指出：“正如药物本身从通用化逐步演变为个性化治疗，AI在药物发现中的角色，也应从通用型工具转向高度定制化、精准化的智能体。”

这一变革既是挑战，更是契机。它将催生新模式、呼唤新监管，并倒逼我们深入思考：如何在目标明确的场景中，既合伦理、又高效地运用AI。对于那些勇于“先吃螃蟹”的组织而言，这将是一条通往更精准、更高效、更具影响力科研成果的快车道。

AI正在重塑药物发现的格局。对于研发领袖而言，这是一个重构创新逻辑的黄金时机。若能将AI从“优化者”变为“探索者”，企业便有望打破固有路径、释放崭新假设，加速其通往“同类首创”疗法的征程。

其核心，在于将高质量、结构化的数据与专为协作设计的系统相结合：AI提出可能性，人类验证与行动。要迈步向前，团队需审视当前创新瓶颈，评估数据源的可信度，并探索如何将AI深度嵌入科研流程，放大人类洞察的力量。

若您正致力于在研发中运用AI或先进的数据分析，高质量、结构化的科研数据将是您不可或缺的加速器。施普林格·自然提供一系列的资源与服务，助您充分发掘学术文献的价值，支持更深入的洞察、更高效的假设生成与更科学的决策过程。如果您觉得还不错，欢迎扫码联系我们了解更多或开通试用。

版权声明：

本文由施普林格∙自然上海办公室负责编译。中文内容仅供参考，一切内容以英文原版为准。欢迎转分享本文，如需转载，请联系[email protected]。

© 2025 Springer Nature Limited. All Rights Reserved