Anthropic 进入药物研发领域，旨在攻克被忽视的疾病
Anthropic 正在将其前沿领域扩展到大语言模型（LLM）之外，通过启动专门的药物研发项目，致力于攻克传统大型制药公司（Big Pharma）通常认为无利可图的被忽视疾病。这一战略举措利用公司全新的 “Claude Science” 工具来加速临床前研究，并通过真实的生物数据来优化 AI 模型。
Claude Science：加速生物学洞察
这些项目的宣布正值 “Claude Science” 发布之际，这是一款旨在处理复杂科学推理的 AI 工具。Anthropic 通过令人瞩目的案例展示了该工具的即时效用：加州大学旧金山分校（UCSF）的一位研究人员使用 Claude Science 在几分钟内识别出了一处病毒污染——而人类团队在长达一年的时间里都未能发现这一错误。此外，该模型在不到一小时的时间内分析了 100 种罕见遗传病，并成功筛选出 32 个可进行计算筛选的候选对象。
通过直接参与早期药物开发，Anthropic 意图利用湿实验室（wet lab）的第一手经验来构建更强大、在科学上更准确的 AI 模型，从而弥合数字推理与生物现实之间的鸿沟。
大幅缩短研发周期与延迟
制药行业目前面临着巨大的低效问题。诺华（Novartis）首席执行官 Vas Narasimhan 指出，一款药物从研发到获批通常需要十二年，这一过程受到信息延迟、运营延迟和生物延迟的阻碍。
虽然生物延迟（临床试验和动物测试）难以缩短，但 AI 可以针对前两类延迟，它们约占研发周期的 40%。Anthropic 的方法旨在将总周期从十二年压缩至七到八年。此外，通过优化分子特性并提高安全性预测能力，AI 有望将药物成功率从目前的 8% 翻倍至 16%。鉴于该行业每年在研发上的投入高达 1500 亿至 2000 亿美元，但产出相对较低，即使是这些增量收益也代表了治疗可行性的巨大转变。
医疗保健领域日益激烈的 AI 军备竞赛
Anthropic 的这一举动使其在快速发展的生物技术领域中，处于直接竞争与合作并存的状态。该行业已经看到重量级玩家部署专门的模型：
- Google DeepMind & Isomorphic Labs： 利用 AlphaFold 进行蛋白质结构预测，以彻底改变药物研发。
- OpenAI： 通过 ChatGPT Health 向以患者为中心的工具领域扩张，该工具集成了医疗记录和 Apple Health 数据。
- Google DeepMind (Clinical)： 正朝着“AI 协同临床医生”（AI Co-Clinician）模型迈进，旨在通过三方护理模式为医生提供支持。
虽然突破性疗法的潜力巨大，但牛津大学的 Catherine Pope 等专家警告称，AI 模型仍需证明它们能够应对实际临床实践中“混乱、复杂的人类世界”。
核心要点
- 瞄准无利可图的利基市场： Anthropic 正专注于被忽视的疾病，以履行其使命，并为模型训练收集高质量的生物数据。
- 效率提升： AI 驱动的药物研发旨在将研发周期缩短多达四年，并有望使临床成功率翻倍。
- 科学验证： 像 Claude Science 这样的工具已经展示了执行复杂任务的能力，例如在不到一小时内分析 100 种罕见病。