□本报记者 吴刚
近日,在四川省成都市召开的由中国药学会主办的2025年中国药学大会上,中国科学院院士、中国科学院上海药物研究所研究员陈凯先与中国工程院院士、成都中医药大学首席教授陈士林阐述了人工智能(AI)在药物研发领域的创新应用、产业进展及未来方向。两位院士基于前沿实践揭示了AI在破解传统药物研发困境、重塑研发全流程,以及为中药现代化注入新动能等方面的应用前景。
全流程提升效率与成功率
陈凯先介绍,传统药物研发模式正陷入“反摩尔定律”困境。与集成电路领域技术迭代所呈现的“摩尔定律”(每隔18至24个月,集成电路的计算能力将会翻一番)不同,传统药物研发模式面临新药靶点发现困难、研发周期长、投入大、成功率低的问题,且基础研究成果和转化之间呈现“死亡之谷”。“推动生命科学与AI深度融合,成为缩短药物研发进程的关键突破口。”陈凯先介绍,从靶点发现到上市后研究,AI可对药物研发全流程的各环节进行优化,提升效率。
陈凯先介绍,在药物发现和临床前研究阶段,传统研发模式需要3至6年,平均投入5亿美元,成功率很低;而AI介入后,通过靶点确认、基于表型的药物发现、分子生成、化学反应设计等环节优化,该阶段可缩短至1.5至3.6年,全球每年节约260亿美元。临床研究阶段的变化更为显著:传统研发需 6至7年,平均投入超4亿美元;通过AI优化临床试验设计、精准患者招募、生物统计支持以及虚拟临床试验开展,该周期可压缩至2.4至3.5年,全球每年节约临床试验费用280亿美元。“整体来看,AI可使药物总研发周期平均缩短三分之一至一半,总研发经费降低10%,总成功率由10%提升至14%。随着技术的不断发展,AI给药物研发带来的变化将更为巨大。”陈凯先说。
在靶点发现这一核心环节,AI正突破传统技术瓶颈。陈凯先介绍,2025年6月,由临港实验室牵头,联合上海人工智能实验室、上海交通大学、复旦大学等研发机构发布的专注于靶标发现与临床转化价值评估的多智能体虚拟疾病生物学家系统“元生”(OriGene)的能力显著超越目前的主流基座大模型,且靶标发现能力得到前瞻性实验验证。
陈凯先表示,在AI技术的临床应用层面,南方医科大学南方医院的AI临床试验筛选系统(CTMS)将患者筛选时间减少97.8%,上海交通大学医学院附属瑞金医院的组学港平台、北京协和医院ICU人工智能预测模型、中南大学湘雅医院AI筛选平台等,均在临床试验设计、数据分析、风险预测等方面展现出显著价值。
然而,目前AI在新药研发领域的应用研究主要集中在药物发现阶段,占比超过三分之二。而在临床试验场景的应用研究占比不足四分之一。陈凯先说:“而就是在临床试验阶段,AI辅助新药研发的价值才最大,因为该阶段往往是新药研发过程中耗资最大、周期最长、风险最高的阶段,降低临床试验失败率已成为提高新药研发成功率的关键。”
从成分解析到全产业链智能化
在中药研发这一特色领域,陈凯先与陈士林分别从不同维度阐述了AI的创新应用,推进中药研究从“经验导向”向“数据驱动”转型。
陈凯先介绍,“AI﹢中医药”沿“标准化—数字化—智能化”三轴演进。国内首个开源中医药大模型“数智岐黄”的“灵丹”“妙药”子模型可辅助方剂优化与成分筛选。“短期来看,AI中药市场规模可达每年500亿元人民币。”陈凯先表示,AI还可助力中药智能制造,未来纳米机器人靶向递送系统有望实现病灶定位误差≤0.1毫米,进一步提升中药疗效与精准性。
陈士林及其团队聚焦AI与基因组学结合的中药创新路径,破解中药成分复杂、靶点不明确的传统难题。他表示,其团队构建的全基因组泛GPCR(G蛋白偶联受体)药物发现平台,整合GPCR稳转株库、结构数据库及AI虚拟筛选技术,显著提升从中药复杂体系中识别GPCR配体的效率。陈士林说:“该平台提供了以GPCR为核心研究中药的创新途径,可实现多对多筛选,突破传统一对一研究范式的局限,将中药代谢产物解析效率提升1000倍。”
针对中药成分解析的核心需求,陈士林团队研发的全球首个亿量级草药基因编码天然多样性成分库(GNDC)收录超过2.34亿个基因直接或间接编码的成分,涵盖核酸、多肽、次生代谢产物等,结合AI技术从1037种药用物种基因组中解析出超2.2亿个成分,首次实现“基因组—成分—功能”的关联。“天然多样性成分来自经数千年临床用药实践筛选出的传统药物,因此其成药优势显著。另外,作为基因组编码产物,天然多样性成分的靶向性好、生物兼容性高,还规避了潜在毒副作用。”陈士林强调,GNDC数据库为中药新药发现提供了广阔的“化学空间”,推动中药研究进入“全成分解析”时代。
此外,陈士林介绍,2024年4月发布的全球首个中药全产业链大模型“本草智库”,由成都中医药大学联合多家单位开发,整合中药底层核心数据与全产业链关键环节,结合AI算法助力中药知识发现与产业协同。团队还构建了TCMKD中医药知识数据库,集成先进计算方法,为中药药理机制解析、药物筛选提供支撑。“AI与基因组学的结合,让从现代科学层面揭示中医药奥秘成为可能。”陈士林表示,未来AI还将与合成生物学、纳米技术融合,推动中药成分定向合成与新型递药系统研发。
从辅助决策向自主研发演进
从产业格局来看,AI制药已形成全球化布局与本土化突破并行的态势,市场规模与企业数量均呈快速增长趋势。陈凯先介绍,国际上部分企业与科研机构已推动AI驱动的候选药物进入临床。国内发展同样迅猛,据统计,截至2025年7月,中国AI制药公司已达108家。全球市场规模也快速增长,从2021年的7.92亿美元增至2024年17.58亿美元,年复合增长率30.45%,预计2026年突破30亿美元。
AI药物研发尽管成果显著,但仍面临多重挑战。陈凯先指出,数据稀缺性是核心难题,存在高质量训练数据不足、数据不完整、数据质量参差不齐等问题;药物设计难以在多重目标间取得平衡,模型可解释性与分子合成可及性待提升;不可成药靶点(如MYC、IRF4等转录因子及蛋白质-蛋白质相互作用)及计算资源限制也制约发展。“此外,许多AI算法是为其他领域设计的,不完全适用于药物开发,且行业面临投资风险与复合型人才短缺问题。”陈凯先说。
针对挑战,陈凯先认为,需通过建立数据共享机制、开发多模态融合算法、将物理定律纳入AI模型等方式应对,同时构建“数据﹢模型﹢实验”的闭环系统,推动AI从辅助决策向自主研发演进。陈凯先说:“短期目标是2030年实现成药性预测准确率达90%以上,研发周期缩短30%;中期目标是2035年推动成药性预测与优化技术达到国际领先水平,药物研发效率提升50%,临床试验成功率达到60%以上;远期目标是2050年建成具有自主知识产权的AI新药研发生态系统。”
陈士林认为,AI与生命科学、材料科学的交叉融合将进一步拓展中药研发边界。他说:“基因组编辑、合成生物学与AI的结合,可推动中药成分的定向合成与优化;纳米技术、3D打印技术则为中药新型递药系统研发提供支撑,未来有望实现中药个体化用药与精准治疗,让中医药在全球健康领域发挥更大作用。”