Anthropic 在本週稍早的「簡報：AI 應用於科學」活動中，發表了「Claude Science」，這是一個專為科學家設計的全新「AI 工作台」。它將分散的工具和資料集整合到一個環境中，並能生成圖表和視覺化內容。

Anthropic 憑藉其受歡迎的程式碼工具和強大的 AI 模型，已在業界佔據主導地位。此次發布，該公司強調 AI 有潛力「大幅加速科學發現和醫療介入的發展」，並宣稱已有許多生技和製藥客戶正在使用 Claude。

Anthropic 更進一步表示，將自行開發藥物。生命科學部門主管 Eric Kauderer-Abrams 提到，公司將專注於發現「被忽視」疾病的治療方法。

AI 公司一直積極爭取科學和製藥客戶，包括 OpenAI、Amazon、Google 等都有自己的生命科學工具和平台。然而，Anthropic 的這項計畫，是主要頂尖 AI 公司中，最直接公開嘗試自行開發藥物的行動之一。

這讓 Anthropic 處於一個不尋常的境地，既向其他潛在競爭的藥廠銷售軟體，又同時加入了一場更廣泛的競賽。這場競賽的參與者包括 Insilico 等 AI 優先的藥物公司、Google DeepMind 拆分出的 Isomorphic Labs、生技新創公司，以及自行開發或收購 AI 工具的大型製藥公司。

Anthropic 對於其在藥物開發領域的目標，提供了非常少具體的細節。在活動中，Kauderer-Abrams 並未說明如果發現有潛力的候選藥物，公司將如何處理。

Anthropic 也沒有回應 The Verge 的評論請求，包括它計劃首先針對哪些疾病，以及是否會與其他公司合作進行實驗室工作、動物試驗、臨床試驗或製造。專家告訴 The Verge，Anthropic 計畫的不確定性，反映了 AI 藥物熱潮本身更廣泛的不確定性。

「AI 藥物發現」可以有多種含義。劍橋大學教授兼 AI 生技新創公司 CardiaTec 共同創辦人 Namshik Han 解釋說，這是一個「非常廣泛的術語」。

Han 表示，AI 應用於「藥物發現的每一個階段」，從尋找新化合物、改進它們，到支援研究、數據分析、臨床試驗，甚至製造。他說，每家主要藥廠都將以某種方式使用 AI。

倫敦大學學院藥物發現教授 Matthew Todd 也認同 AI 已滲透到藥物發現和研究的各個層面，鑑於其廣泛的用途，他稱之為一個「包羅萬象的詞彙」。AI 無疑正在改變藥物開發。Han 指出 AstraZeneca、Novo Nordisk 和 GSK 等製藥巨頭的眾多舉措，並表示 AI 已經可以幫助生成可能的藥物想法，例如透過建議新的分子，這些分子可以與已知與特定疾病相關或現有藥物靶點的身體部位（如細胞受體）相互作用。

Todd 表示，AI 對於加速研究和幫助「試驗」新藥物想法非常有用。鑑於 Anthropic 在前沿模型方面的工作，該公司預計將利用生成式 AI 搜尋廣闊的化學和生物可能性，幫助研究人員建立原本難以或緩慢發現的聯繫。

這潛在地能提出新的藥物想法、識別新的疾病靶點，或為現有藥物找到新用途。然而，這距離 AI 設計的藥物真正到達患者手中，還有很長的路要走。Todd 表示，AI 設計的藥物要獲得監管機構批准用於人體，還有「很長一段路」。他補充說，藥物發現過程不會自主運行，整個過程都需要人類的投入和監督。

Todd 和 Han 都指出，缺乏公開可用的高品質實驗數據，例如各種化學物質在體內的行為方式，可能會減緩藥物開發的進程。他們強調，即使對於研究充分的生物學領域，我們對事物運作方式的理解仍存在巨大差距。

AI 無法解決藥物發現中許多最緩慢的部分。牛津大學結構化學生物學教授兼牛津藥物發現中心蛋白質晶體學負責人 Frank von Delft 表示，人們對先進 AI 模型感到興奮是正確的，但它們「尚未達到使實驗變得不必要的地步」。

候選藥物仍必須在現實世界中進行功效、毒性和實際特性（如安全製備、儲存和輸送）的測試。所有這些都需要熟練的工人、大量的資金和時間，特別是人體臨床工作，許多有前景的候選藥物都在此階段失敗。Von Delft 說，如果 Anthropic 想要開發藥物，它「將不得不花費大量資金進行實驗」。

Anthropic 可能願意嘗試。在過去一年中，該公司一直積極招聘生物學家並建立自己的濕實驗室，截至撰稿時，它有幾個正在招聘生命科學職位的職缺。Han 表示，Anthropic 也一直在該領域「積極招募」，並補充說他的幾位學術界同事都曾被該公司接觸。

Han 雖然沒有點名，但他認為 Anthropic 已成功從大型製藥公司和著名學術機構挖角了一些人才。面對所有這些複雜性，無論 Anthropic 選擇哪種疾病，任何回報都可能需要很長時間，至少是十年左右，因為新藥通常需要這麼長時間才能完成臨床試驗。Todd 說，藥物測試「總是有很大的滯後時間」。「需要時間才能透過實驗證明某物是安全的。」

目前還沒有任何 AI 設計的藥物通過臨床試驗和 FDA 批准上市。一些由 AI 開發的候選藥物已進入臨床試驗，但很難知道 AI 貢獻了多少，在過程的哪個階段使用，或者這些候選藥物是否優於傳統藥物。AI 可以加速部分搜尋過程，但藥物仍需要以傳統方式證明自己：透過緩慢、有條不紊的現實世界實驗。