人工智能巨头OpenAI近日悄然推出一款面向生命科学领域的专用AI模型，旨在从根本上改变传统药物研发“十年磨一药”的困局。业内专家表示，这或许将成为继深度学习之后，生物医药领域最具颠覆性的技术突破。
药物研发正迎来一场由AI驱动的效率革命。4月18日，OpenAI正式发布了一款专为生命科学领域设计的人工智能模型。不同于此前广泛应用于文本生成、代码编写或通用对话的GPT系列，这一新模型从底层架构开始便针对生物医药数据进行深度优化，目标是成为科研人员在靶点发现、分子设计和临床试验优化中的“智能副驾”。
为何需要“生命科学专用”模型？
传统的通用大模型虽然能够处理海量信息，但在面对蛋白质结构、基因序列、化学分子式等高度专业化的生物数据时，往往力不从心。OpenAI此次发布的模型在预训练阶段使用了超过2亿个生物医学实体数据，涵盖公开的蛋白质数据库、药物-靶点相互作用记录、电子健康档案脱敏信息以及海量的生物医学文献。
OpenAI首席技术官米拉·穆拉蒂在线上发布会中表示：“通用模型像一位博学的通才，而生命科学模型则是一位深耕实验室数十年的专家。它能理解氨基酸残基之间微妙的相互作用，也能从数百万篇论文中快速锁定最具潜力的药物候选分子。”
三大核心应用场景
据OpenAI披露的技术白皮书，该模型目前主要聚焦三大应用方向：
第一，靶点发现与验证。 通过分析基因组学、转录组学和蛋白质组学数据，模型可以预测特定疾病相关的潜在药物靶点，并将筛选周期从数月缩短至数天。在内部测试中，针对一种罕见肿瘤蛋白，模型成功锁定了3个此前被忽略的候选靶点。
第二，分子生成与优化。 模型能够基于靶点结构，生成具有高亲和力、低毒性的先导化合物，并同时预测其ADMET性质（吸收、分布、代谢、排泄、毒性）。与传统的高通量筛选相比，这种“按需设计”的方式可节省约70%的早期研发成本。
第三，临床试验方案辅助设计。 通过分析历史试验数据和患者真实世界信息，模型可以建议最优的入排标准、样本量计算及终点指标，从而提升临床试验的成功率。据悉，已有两家中型生物科技公司开始试用该功能，并计划于今年三季度公布初步结果。
行业反响：期待与谨慎并存
波士顿咨询公司生命科学合伙人艾米丽·陈评论称：“OpenAI这一步棋瞄准的是制药业最痛的痛点——高投入、低产出。如果模型在实际场景中能复现其测试效果，那么单个新药从靶点到上市的时间有望从10-12年压缩至5-7年。”
不过，也有声音提醒潜在风险。斯坦福大学生物医学数据科学教授罗素·奥特曼指出：“AI生成的分子是否具备可合成性、长期安全性如何验证，仍需要严格的湿实验闭环。模型不能替代实验室，而是加速迭代的工具。”
商业模式与落地时间表
据悉，该模型将以API形式向学术机构、非营利组织和商业药企开放。学术用户可获得部分免费额度，商业授权则按调用量定价。OpenAI同时强调，所有训练数据均经过严格的隐私和合规处理，不会泄露任何患者个人信息。
首批合作伙伴包括专注于肿瘤免疫的Recursion Pharmaceuticals和罕见病领域的BridgeBio。两家公司均表示，将在6月底前将该模型整合进现有的AI药物发现平台。
可以预见，随着这一专用模型的逐步推广，药物研发的“试错成本”将大幅降低。对于全球数十亿患者而言，更多救命良药有望以更快的速度、更低的成本来到身边。而对于AI行业来说，从“通才”走向“专才”，或许正是技术深度赋能实体经济的关键一步。
文章内容仅供参考，不构成投资建议，投资者据此操作风险自负。转载请注明出处：远视互动
