2026年8月，Nature旗下顶级综述类期刊《Nature Reviews Drug Discovery》刊发了一篇由全球16位学者联合署名的观点文章：《药物发现中的人工智能——定义、现状与未来方向》。

文章系统复盘了AI在药物研发领域十年的应用历程，更抛出了一系列直击行业本质的问题。

过去十年，AI制药的争论总在两极摇摆：一端是“AI将颠覆一切”的过热预期，另一端是“AI制药没有实据”的普遍质疑。而这篇综述，将争论推向了更具建设性的层面：AI究竟该在药物研发的哪个环节证明自身价值？又该用什么样的数据、什么样的模型、什么样的验证标准来完成证明？

综述同时给出了衡量价值的核心标尺：对药物上市总成本影响最大的变量，是II期临床成功率；采用生物标志物完成患者分层的项目，单次成功上市的资本化成本仅为未分层项目的一半。当这份问题清单被清晰摆上台面，全行业有了一个新的思考坐标。

答好这份问卷，是整个行业对患者应尽的责任。AI制药要赢得医生、监管者与患者的信任，靠的从来不是概念，而是每一环都经得起推敲的实证。

面对这份清单，中国团队给出了自己的回答。

哲源科技的技术路线，恰好始终围绕这些核心问题展开。

十余年的实践探索与验证成果，构成了一份扎实的答卷。

一、方向之问：跳出行业内卷，锚定新药研发核心胜负手

问题一：II期临床才是研发胜负手，为何多数AI扎堆临床前赛道？

论文核心观点：

当前全球AI制药行业存在明显的赛道错位，AI技术的应用高度集中于临床前早期分子发现环节。行业普遍存在“路灯下找钥匙”的发展常态，临床前阶段数据储备充足、建模难度低、成果产出快速，成为多数企业规避难点、快速出成果的舒适区。

但行业核心痛点与新药研发的终极胜负，从来不取决于临床前分子筛选效率。论文通过详实的行业数据证实，真正决定新药上市总成本、左右研发最终结局的核心变量，是II期临床成功率。作为药物疗效首次接受人体真实检验的关键阶段，II期临床面临极强的患者异质性、漫长的试验周期与高昂的资源投入，是新药研发“死亡谷”的核心所在。

这也清晰划分了AI制药的价值层级：仅用AI提速分子发现、优化筛选效率，只是浅层的技术优化；而依托AI精准匹配有效分子与适配患者、提升临床转化成功率，才是能够重塑行业核心效率的高价值突破。

哲源科技实践：

自创立以来，哲源科技便跳出行业同质化内卷，锚定“AI4S+疾病”核心路线，彻底扭转AI的应用重心，将技术攻坚核心聚焦于提升II期临床成功率这一研发胜负手环节。

依托自主搭建的完整技术体系，哲源科技整合海量学术文献、多组学测序数据、细胞病理实验数据与临床真实诊疗数据，构建起一套可动态推演、可持续迭代、可随时调用的生命数字底座，为贴近真实生理与病理场景的新药研发提供坚实底层支撑。

基于这一核心底座，企业聚焦两大行业核心高价值命题深耕突破：一是深耕疾病机制网络，挖掘具备真实因果关系、高临床转化价值的原创靶点，摆脱传统靶点筛选的片面性与随机性；二是前置临床试验预判环节，在新药进入大规模临床验证前，精准锁定最优适应症、界定获益患者人群、提前预判疗效上限与潜在安全风险，从源头规避临床失败风险。

在全行业扎堆“路灯下的简易赛道”时，哲源科技以前瞻性的技术布局，直指新药研发的核心难题，全力握住决定研发成败的“关键钥匙”。

问题二：配体≠药物，行业为何长期陷入概念混淆误区？

论文核心观点：

行业长期存在的“配体等同于药物”认知误区，是加剧AI研发无效内卷、制约临床转化落地的关键瓶颈。论文明确厘清二者的本质边界：配体仅是实验室场景中，能够与靶点产生生化结合的简单分子产物，仅需满足基础结合活性即可；而真正的药物，必须通过完整的临床前验证与多阶段临床试验，在疗效、安全性、成药性、耐受性等多个维度全面达标。

两者的评估体系、研发逻辑、价值维度截然不同。大量行业实践证实，许多高亲和力配体看似性能优异，实则存在毒性超标、溶解度不足、代谢缺陷、体内稳定性差等致命问题，完全不具备成药潜力，这也是无数前期优质分子最终折戟临床的核心原因。而传统研发“先造分子、后找适应症”的逆向模式，本末倒置的研发逻辑，进一步拉大了配体与药物之间的行业鸿沟。

哲源科技实践：

针对这一行业普遍性误区，哲源科技彻底颠覆传统“先分子、后疾病”的逆向研发模式，确立“疾病先行、机制为先”的正向研发逻辑，从根源上跨越配体到药物的转化鸿沟。

哲源科技自主研发的胰腺癌1类新药PR00012，正是这一创新路径的典型落地成果。团队整合多模态临床数据，深度解码肿瘤演化规律、核心致病机制与疾病进展逻辑，立足疾病本质锁定高价值靶点，再针对性开展精准分子设计，为实现高效临床转化提供了中国实践方案。

这一研发模式让创新分子从诞生之初，就精准匹配对应适应症、目标患者人群与核心治疗机制，彻底规避了传统研发中“优质配体无成药价值”的弊端，让AI新药研发真正回归临床治病的核心本质，为行业破解概念误区、实现高效临床转化提供了中国实践方案。

二、方法之问：革新科研逻辑，破解AI制药底层技术困境

问题三：生物数据存在认知不透明痛点，AI模型如何保障预测可靠性？

论文核心观点：

AI在制药领域的落地困境，根源在于生物数据与图像、语音等标准化AI应用数据存在本质差异，这也是传统机器学习模型可靠性不足的核心原因。

论文明确指出生物数据的两大核心特质，一是高度条件性，药物疗效、生物体反应会随患者基因特征、代谢水平、生活习惯、肠道菌群等多重变量产生显著差异，同一药物对不同患者、不同试验场景的作用效果天差地别，即便受控试验数据也存在波动偏差；二是认知不透明性，生命科学暂无统一的第一性原理，无法完整阐释试验与输出的内在逻辑，难以对生物效应赋予稳定、通用、无条件的量化标签，而这正是传统有监督AI模型的核心训练基础。

基于此类数据训练的传统AI模型，仅能拟合表面数据相关性，无法触及真实生物作用机制，最终导致预测结果脱离真实临床场景，可靠性严重不足。

哲源科技实践：

针对生物数据认知不透明、模型预测不可靠的行业底层难题，哲源科技通过技术重构完成数据表征升维，走出了一条可解释、高可靠的AI建模路径。

依托生命世界模型中的核心模块——信号通路模型，哲源科技打破原始组学数据的碎片化、条件化局限，将零散的患者基因组数据、转录组数据等原始生物信息，精准映射至信号通路活性与细胞功能层面，构建起完整的通路级数字孪生体系。

这一技术革新实现了关键的“表征重写”，将高度依赖场景、难以横向对比的原始生物读数，转化为语义清晰、维度稳定、可横向比对的通路功能活性数据。自此，不同患者、不同疾病、不同药物的生物扰动效应，能够依托统一的机制标尺完成标注与对比，为机器学习模型提供了高度对齐、可解释性强的输入数据与标签，筑牢了AI研发决策的可靠性根基。

问题四：行业陷入“数据冗余、知识匮乏”困境，有效研发知识从何而来？

论文核心观点：

2001年人类基因组草图问世时，业界曾普遍预判，药物靶点数量将实现量级增长，靶点验证也将迈入高通量标准化阶段。但二十余年过去，这一行业预判并未落地，行业始终深陷“数据爆炸、知识贫瘠”的矛盾困境。海量的测序数据、实验数据仅完成了对生物基础组分的浅层认知，并未转化为可指导新药研发、可支撑临床决策、可预判疾病机制的有效知识。

论文明确界定数据与知识的核心差异：单纯的生物信息采集仅为数据，能够从功能层面解析生物过程、通过数据参数化支撑真实研发与临床决策的内容，才是真正的科研知识。同时，纯数据驱动模式存在天然底层局限，生物系统可测量变量数量远超有效样本数量，这从根本上限制了纯粹数据驱动的推理边界，无法实现复杂生命规律的深度推演与落地应用。

哲源科技实践：

为破解“数据≠知识”的行业痛点，哲源科技独创“数据驱动+知识驱动”双螺旋技术体系，完成从原始生物数据到高阶研发知识的升维转化。

在知识驱动层面，企业自主研发的TWIRLS知识算法承担“逻辑构建”核心作用，将全球4000多万篇生物医药文献梳理整合，搭建起可自主推理、可动态迭代的生物医药知识网络。该算法既能依托已知生物机制提出科研假说，精准指引数据挖掘与实验探索方向，规避盲目数据筛查的低效问题；也能为数据中涌现的全新规律提供生物学机制解释，完成从浅层数据发现到深度机制知识的跨越。

在数据驱动层面，信号通路模型作为核心实证底座，将真实世界患者临床数据、多组学数据转化为标准化、可计算的通路活性图谱，一方面验证知识网络推演的理论结论，剔除纯理论推导的“机制幻觉”；另一方面从真实数据中挖掘未被文献记载的全新生命规律，再反向联动TWIRLS算法完成逻辑闭环验证。

问题五：传统还原论科研思路失效，生命科学整体研究如何落地？

论文核心观点：

新药临床高失败率的底层科研桎梏，是行业长期依赖的还原论研究思路彻底失效。

传统生物学研究习惯于将复杂的人体生命系统拆解为基因、蛋白、通路等单一独立单元，通过调控单一靶点实现疾病干预，以此推导治疗效果。但人体生命系统具备极强的整体性与涌现效应，通路冗余、代偿激活、正负反馈回路、细胞间相互作用等机制普遍存在，单一靶点的精准阻断，往往会触发人体内部的代偿调控机制。这就导致大量在体外实验、动物模型中效果显著的靶点干预方案，进入人体临床后完全失效，无法转化为真实临床获益。

论文明确指出行业破局核心：必须摒弃单一靶点的碎片化研究思维，转向网络级、系统性的疾病机制评估体系，建立科学的因果遗传学研究框架，从整体视角解析疾病发生、发展的核心逻辑。

哲源科技实践：

破解还原论困境、构建整体论科研体系，正是哲源科技打造生命世界模型的核心初衷。

企业摒弃传统单一基因、单一靶点的碎片化研究模式，依托信号通路模型，将零散的基因突变、蛋白异常、代谢紊乱等微观变异，整合映射为信号通路层面的网络级整体反应，实现对疾病的系统性解析。以HER2阴性乳腺癌研究为例，哲源科技的整体论模型，能够精准捕捉到患者体内“HER2通路功能性激活”与“免疫通路普遍抑制”并存的系统性病因特征，清晰呈现出疾病是多重通路协同作用的涌现结果，而非单一基因变异导致的简单病变。

三、验证之问：摒弃指标陷阱，以真实临床价值定义技术实力

问题六：模型纸面指标表现优异，为何难以转化为真实研发价值？

论文核心观点：

学界素有“所有模型都是错误的，但有些是有用的”经典论断，而当下AI制药行业的核心乱象，正是大量纸面指标优异的模型，毫无真实研发价值。行业普遍存在模型验证与真实应用脱节的误区，多数AI模型的训练、评估均封闭在算法自身框架内，AUC等通用评价指标与新药研发的真实决策场景严重脱节。

论文通过直观案例佐证这一问题：两款AUC表现近乎一致的优质模型，在化合物筛选、毒性剔除的真实场景中，实际性能差距可达数倍，纸面指标无法体现真实应用能力。

基于此，论文提出核心行业变革方向：AI模型的价值评判，必须从封闭的“模型指标验证”转向落地的“研发过程验证”，将模型嵌入真实新药研发项目的全流程决策环节。同时明确模型核心价值计算公式：模型价值=临床成功率的提升×项目适用域的广度，彻底确立“临床获益为核心”的验证标准。

哲源科技实践：

从创立之初，哲源科技便摒弃行业唯指标论的验证误区，严格遵循论文提出的“过程验证”核心准则，不依赖AUC等封闭纸面指标，始终以真实研发决策、最终临床获益作为模型价值的唯一评判标准。

这一理念在“老药新用”研发实践中得到充分印证，哲源科技自主构建的患者数字孪生虚拟队列，通过系统性模型推演，率先发现乳腺癌常用治疗药物CDK4/6抑制剂，对脊索瘤等多种难治、罕见肿瘤亚型具备潜在治疗价值。

针对脊索瘤这一全球无特效治疗方案、临床需求极度迫切的罕见病，哲源科技联动上海长征医院开展IIT临床研究，验证了模型推演结果的真实性与有效性，已有真实患者获益。

这一实践充分证明，只有跳出纸面指标陷阱，将模型验证深度嵌入真实研发与临床过程，AI技术才能真正突破算法桎梏，转化为可落地、有价值的新药研发决策能力。

问题七：行业普遍缺乏前瞻性验证，AI模型真实性能如何佐证？

论文核心观点：

当前AI制药领域的技术突破宣传，普遍存在数据失真、验证失准的系统性问题，核心痛点是缺乏盲法、前瞻性的科学验证。多数模型的高性能表现，源于训练集与测试集的不合理拆分，存在严重的“信息泄露”问题，人为拉高模型各项指标，但这类实验室优异性能，在真实新药研发项目中完全无法复现。

同时，行业“追逐SOTA指标”的浮躁风气盛行，当单一指标成为核心追求目标，基准测试极易被人为优化、刻意操纵，营造出行业技术高速迭代的虚假繁荣。论文特别警示，部分研究宣称的AI助力临床高成功率缺乏科学依据，相关项目本身依托成熟的疾病生物学、化学知识支撑，成功率提升与AI技术无直接关联，小样本数据得出的结论不具备参考价值，行业亟需严谨的前瞻性验证体系衡量模型真实能力。

哲源科技实践：

自2016年欧盟Avicenna计划提出虚拟临床试验概念以来，全球行业长期缺乏患者个体级别的逐一疗效前瞻预测验证的成果。

依托北京科委课题支持，哲源科技联合北京肿瘤医院，开展全球首创的前瞻性平行对照验证试验，打造“真实临床入组+一对一数字孪生虚拟试验”的全新验证模式：在真实患者入组临床试验的同时，为每位患者构建专属数字孪生体，以“电子人吃电子药”的虚拟推演模式，同步开展平行试验。个体疗效预测结果与注册临床试验的真实疗效结果完全一致。

结语：问题属于全行业，答卷中国团队已先行一步

这篇论文用二十页篇幅，把AI制药必须回答的核心问题问透了。

这本身就是对行业的贡献。

问题问得越准，行业走得越稳。

难能可贵的是，这份问题清单，与哲源科技十余年的技术路线图高度契合：

钥匙从来不在路灯下。

照亮前路的灯，在中国创新者自己手里——

这束光，终将照亮行业前行的路。

参考文献：

BENDER A, THOMAS M C, SCANNELL J W, et al. Artificial intelligence in drug discovery: what it is, where we stand and the path forward[J]. Nature Reviews Drug Discovery, 2026. DOI: 10.1038/s41573-026-01496-2.

https://www.nature.com/articles/s41573-026-01496-2

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com