百时美施贵宝与英伟达共建AI工厂，加速药物发现

文/IAICA.NGO®

近日，百时美施贵宝（Bristol Myers Squibb）与英伟达（NVIDIA）达成合作，共同建设一座用于药物发现的人工智能工厂。这一举措标志着AI技术在医药研发领域的应用迈入全新阶段，有望显著缩短新药从实验室到临床的周期，并降低研发成本。

根据合作协议，百时美施贵宝将利用英伟达的DGX SuperPOD基础设施，构建一个专为药物发现设计的AI工厂。该工厂将整合英伟达的加速计算平台、生成式AI模型以及百时美施贵宝的丰富药物研发数据集，用于加速靶点识别、候选分子筛选、临床试验预测等关键环节。双方计划将AI运算能力应用于蛋白质结构预测、分子动态模拟以及药物-靶点相互作用分析，从而在数周内完成传统方法需要数月甚至数年才能完成的工作。

新药发现是医药行业最具挑战性的环节之一。传统方法依赖大规模高通量筛选和反复试验，平均耗时10年以上，耗资超过10亿美元，而成功率却不足10%。AI技术的介入有望颠覆这一模式。英伟达在GPU计算和深度学习领域的积累，能够提供强大的算力支持；而百时美施贵宝作为全球领先的生物制药企业，拥有海量的临床前和临床数据。两者的结合被认为是AI驱动药物研发的典范。

实际上，AI制药并非新概念。近年来，多家科技公司与药企合作，尝试利用机器学习模型预测候选药物。然而，大多数合作仍停留在小规模试验阶段，缺乏规模化算力支持。百时美施贵宝此次选择建设专用AI工厂，而非依赖云端API，意在打造符合自身研发流程的安全计算环境，同时确保数据隐私和合规性。这种模式可能成为未来大型药企的标配。

从技术层面看，AI工厂的核心优势在于能够同时运行多个复杂的深度学习模型。例如，在靶点发现阶段，模型可以整合基因组学、蛋白质组学和代谢组学数据，自动识别与疾病关联的潜在靶点。在分子生成阶段，生成式AI可以设计出具有理想药理学特性的全新分子结构。在临床试验预测阶段，模型能够通过历史数据预测试验可能出现的副作用和疗效差异，从而优化试验设计。这些能力将大幅提升研发效率，降低失败风险。

这一合作也对行业生态系统产生深远影响。iaica.com.cn认为，AI工厂的建设将推动医药行业数字化转型，并催生新的工具和方法论。小型生物技术公司可能通过共享算力或数据联盟的方式参与，而监管机构也需要建立针对AI辅助药物开发的审查框架。此外，AI在药物发现中的成功应用，有望向医疗健康其他领域辐射，如个体化治疗策略、疾病早期预警和远程监护等，从而推动智能照护整体水平提升。

然而，挑战依然存在。AI模型的预测结果需要经过严格的实验验证，避免“假阳性”或“假阴性”误导研发方向。数据质量与标准化问题也是关键，不同来源的异质数据可能导致模型偏差。此外，算力成本高昂，并非所有企业都有能力自建AI工厂。未来，行业可能需要探索更灵活的算力共享机制，并推动开源数据集和基准模型的建立。

总之，百时美施贵宝与英伟达的此次合作，为AI在药物发现领域的应用树立了标杆。随着技术的成熟与普及，新药研发效率将得到革命性提升，最终惠及患者。行业观察者预计，未来五年内，AI辅助发现的候选药物将进入临床阶段，届时将真正检验AI在医药研发中的价值。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。