基于人工智能的药物开发：闭合数据循环以加速创新

据 MIT Technology Review（https://www.technologyreview.com/2026/07/27/1139667/closing-the-data-loop-in-ai-driven-drug-discovery/）报道，人工智能（AI）的整合正在从根本上改变药物开发。尽管经过数十年的进步，开发新药仍然昂贵、耗时且风险高。平均开发周期仍为10至15年，而自1950年代以来成本持续上升——这一现象被称为Eroom定律。

人工智能与闭合数据循环

药物开发中的一个核心瓶颈是数据的高效利用。传统上，实验结果被收集、分析，随后输入AI模型以提出新的候选药物。然而，AI洞见往往未能反馈回实验阶段，导致流程碎片化。当前的方法旨在闭合这一循环：AI模型持续接收基于AI预测生成的新实验数据。由此形成一个动态学习过程，加速有效分子的搜索并提高成功率。

对研究和患者的益处

通过闭合数据循环，研究人员能够更快地测试和验证假设。这不仅缩短了上市时间，也显著降低了开发成本。此外，AI能够更精准地预测药物的疗效和副作用，提高新药的安全性。对患者而言，这意味着尤其是在罕见或复杂疾病等高医疗需求领域，能够更快获得创新疗法的潜力。

挑战与展望

尽管取得进展，仍存在挑战：数据的质量和多样性对AI模型的成功至关重要。此外，必须调整伦理和监管框架，以确保AI在药物开发中的安全和透明应用。长期来看，AI与自动化实验室系统的结合可能彻底革新整个制药研究，不仅加速开发过程，还使其更可持续且具成本效益。

为什么这很重要

药物开发正面临范式转变。通过更紧密地结合AI与实验研究，创新能够更快推进。在医疗成本上升和对新疗法需求增长的背景下，基于AI的药物研发中闭合数据循环是应对这些挑战、积极塑造医学未来的关键一步。