这篇 Perspective 文章题为《人工智能在药物发现中的应用——它是什么、进展到哪一步、以及前路何在》，2026 年 8 月 7 日在线发表于《自然综述·药物发现》（Nature Reviews Drug Discovery）。通讯作者为哈利法科技大学与剑桥大学的 Andreas Bender，参与机构还包括爱丁堡大学、哈佛医学院、阿斯利康、MRC 分子生物学实验室和 EMBL-EBI 等学术与产业单位。文章于 6 月 20 日被接收，篇幅达 22 页。

衡量标准应该回到患者身上

作者们提出的评判尺度很朴素：药物研发真正在乎的，是能否更快地把更安全、更有效的药送到患者手里。以这个尺度看，尽管大量 AI 方法被开发、应用和评测，与临床相关的影响证据「令人失望地有限」。文章用了一个更严厉的措辞——在 AI 向临床相关影响的转化上，目前仍处于「证据缺失」的阶段。

摘要中列出了几条可能的原因：模型开发阶段对临床转化的关注不足；生命科学数据具有强烈的条件依赖性，AI 算法难以直接套用；问题定义不够清晰，导致计算模型面对真实用例时出现「欠规约」。此外，「技术推动」压过「科学拉动」也很可能是底层因素，而把一项技术能力工程化成规模足够、用户可及的系统，本身就需要漫长的时间。

刷榜制造的进步幻觉

文章花了相当篇幅讨论一个对 AI 领域来说并不悦耳的话题：在基准数据集上取得的数值提升，极少能转化为现实世界中决策质量的改善。原文的表述是，对基准数据集的关注可能产生误导，制造出一种进步的幻觉——「在基准数据集上预测得更准了」——但要转化为真实世界的决策，这个标准并不充分。

作者用「追逐 SOTA」来描述这一通病，并指出这些基准数据集常常存在严重的信息泄漏：看起来是独立的外部测试集，实际上来自同一来源数据的切分，于是模型在测试集上表现优异，换到新项目里几乎无法复现。文章据此给出的核心建议是：药物研发领域的 AI 工具评测，必须从「模型验证」转向考察它「能否改善决策」。

配套的分析框架把这一区别拆成了三个必须回答的问题：输入端，这个项目面对什么靶点、什么疾病、什么给药途径，训练集里有类似的化学空间吗；模型内部，某个具体化合物上的预测可靠性如何，模型是否「知道自己不知道」；输出端，这个预测能指导哪一步后续实验，而那步实验又是否与临床终点相关。文章还专门强调了使用场景对评估模型性能的决定性作用。

配体不是药物

文章在专门的知识框里做了一次概念澄清，引用 Goldstein 与 Brown 1997 年的经典论断：配体不是药物。

很多被称作「AI 药物发现」的成功，本质上是配体发现。一个配体只需要与靶点结合，端点指标可以只是半数抑制浓度、抑制常数或解离常数；而一个药物除了结合靶点并产生靶点参与作用，还必须在一系列临床前与临床终点上展现可接受的疗效与安全性，同时满足溶解度、生物利用度、代谢稳定性、安全性等几十项要求。一个典型陷阱是由亲脂性驱动的高亲和力，这类化合物往往伴随糟糕的药代动力学性质，根本不适合用于体内。

两个数字把差距摆得很清楚：ChEMBL 和 PubChem 等数据库收录的生物活性配体超过 100 万个，而上市药物只有约 1000 种。文章认为，把配体发现与药物发现混为一谈，部分原因在于「潜在药物」这个说法对投资者更有吸引力，而这种术语误用低估了药物研发的复杂性，也让外界更难判断一篇报告的结论是否得到数据支持。

一处被点名认可的例外

在整体谨慎的论调中，文章留下了一个明确的例外：当数据量足够、且描述符能够捕捉底层趋势时——比如脂水分配系数等理化性质——深度学习这类 AI 方法确实带来了预测水平的提升。文章在讨论拜耳的计算机辅助药物性质预测平台时进一步确认了这一点。原因也不难理解：理化性质的实验数据量远大于体内药代动力学或临床终点数据，而这类性质取决于分子的疏水与亲水平衡，可以由基本物理量刻画，不像生物学读出那样高度依赖条件。

文章最后给出五条建议：识别现有数据与实际临床结果之间的预测性差距；按具体用例分场景验证模型，而不是只看统计指标；先确定什么数据对临床预测有用，再大规模生成；建立从临床阶段回流到临床前阶段的反馈闭环以更新模型；警惕可解释 AI 的陷阱，在化学数据高度偏倚时它容易给出虚假关联。

作者还提醒，「药物研发中的 AI」这个说法本身包含两种截然不同的东西：一类是发展迅速但缺乏充分验证的前沿方法，另一类是早已成熟、只是最近才具备在生产环境中大规模使用条件的既有方法。把两者混为一谈，既高估了前者，也低估了后者。

来源：Nature Reviews Drug Discovery