AI藥物發現非萬靈丹 東北大學揭AI應用瓶頸

【記者謝明哲／綜合外電】儘管人工智慧（AI）在藥物發現領域被寄予厚望，然而一項來自美國東北大學的研究卻指出，AI技術在藥物開發方面仍有其顯著局限性，並非萬靈丹。這項研究結果呼應了業界對AI應用應抱持務實態度的呼聲。

根據《International Business Times Japan》報導，日本 TPC Marketing Research 日前發布一份針對 AI 驅動藥物發現的商業策略研究報告。報告指出，由於傳統藥物研發過程耗時長、研發成本高且成功率低，AI技術因此受到廣泛關注，被視為能透過分析海量數據、識別藥物靶點（藥物作用的目標）及化合物、預測藥物功效與安全性來提升生產力。AI在藥物開發的應用已從靶點發現、篩選擴展至分子設計、ADMET預測（評估藥物在體內的吸收、分布、代謝、排泄和毒性）、臨床前研究及臨床試驗。全球AI藥物發現市場價值在2025年已達23億美元，預計到2033年將成長至138億美元，顯示市場對此領域的高度期待。

然而，東北大學（Northeastern University）資訊科學學士學位應用AI畢業專題課程（Applied AI capstone class）的學生們，在 Anton Sinitskiy 教授的指導下，深入研究多個開源AI框架如 GPT Researcher 和 Agent Laboratory，發現目前的AI模型仍無法像人類研究人員一樣有效進行藥物發現與開發。研究團隊在今年1月分析了八個開源模型，試圖重現人類設計的藥物發現演算法，但所有模型都未能成功撰寫科學報告，也無法再現特定分子性質預測演算法。

到了6月，學生們進一步使用五個更先進的AI框架來重複諾華（Novartis）藥物發現報告中的研究結果。雖然這些模型在撰寫假設和報告方面略有進步，但仍缺乏深度且包含錯誤。最近一份於6月29日發布的報告更顯示，AI模型在獨立審查科學論文、大型數據集和公式方面的能力仍不足，結果常不準確。

Anton Sinitskiy 表示：「如果只聽信媒體、學術論文和行銷材料的說法，AI似乎能解決所有問題，包括藥物設計。但不幸的是，真相與這些過度炒作的說法相去甚遠。」他強調，AI在簡單案例中或許能獨立完成九成五的工作，但在複雜情況下，它可能會失敗得一塌糊塗，需要人類介入指導。Lei Xie（教授藥學和生物醫學科學）也補充說，AI雖然在某些情境下有用，但無法取代人類智能。學生 Jude Dcunha 認為，AI可作為重複性任務、統計支持和壓力測試想法的工具，但面對複雜問題仍需大量人為引導，凸顯了 AI 在藥物發現過程中的輔助而非主導角色。