三年半走完十年路：AI把新药时钟拨快了

给新药研发画一张时间表，过去几十年，这张表的刻度几乎没有动过：十年起步的周期、十亿美元打底的投入、不足10%的成功率，业内把它概括为"三个十"定律。直到一款名为"艾普司韦"的药片问世，把其中一段刻度，硬生生拨快了一大截。

今年7月29日，由西湖大学、西湖实验室与西湖制药(杭州)联合研发的1类创新药盐酸伊司特韦片(商品名"艾普司韦")，获得国家药品监督管理局附条件批准上市，用于成人轻型、中型新型冠状病毒感染的治疗。

这款药带着三个"第一次"而来——它是西湖大学首款完全自主研发的1类创新药，是国内首款凭借人工智能辅助研发而获批上市的原创药，也是全球第一款基于DNA编码化合物库(DEL)技术成功获批的小分子创新药。而最令人意外的数字藏在时间线上：从源头发现到完成临床试验，它只用了三年半。

如果把原创新药研发比作一场要跑上十年的长跑，艾普司韦像是换上了一双"AI跑鞋"。它想证明的事并不小：AI不是画饼的噱头，而是能真正把药"做出来"的工具；原创新药这口时钟，可以被拨快。

一把"剪刀"，与490亿个候选分子

新冠病毒并不以蛮力取胜，它靠的是一套精巧的"复制流水线"。在这条流水线上，3C样蛋白酶(3CLpro)扮演着"剪刀"的角色——病毒依赖它剪出功能性蛋白、完成复制相关酶的装配。只要能找到一把合适的"分子钥匙"卡住剪刀口，病毒就无法自我复制。3CLpro因此成为全球抗病毒药物研发的热门靶点，也是西湖大学攻关团队瞄准的方向。

靶点找到了，真正的难题才开场：去哪里找那把"钥匙"？团队选择了一条极致路径——DNA编码化合物库。这项技术用DNA条形码给海量化合物做"身份标记"，一次实验就能在巨型分子库里"大海捞针"。西湖团队面对的，是一座包含490亿种化合物的分子库。490亿是什么概念？粗略折算，相当于给地球上的每一个人分发约6个候选分子——而他们要做的，是从中找出真正有效的那一个。

放在传统做法里，科研人员要先从库里筛出一批"潜力股"，再逐一合成、逐一验证，每一步都要烧掉大量人力物力。西湖团队先筛出了100多个"潜力股"，而接下来的关键一跃，交给了AI。"在筛选准备和筛选过程中，我们利用AI模型帮助确定筛选条件以及对照化合物，提高筛选的成功率。"西湖大学生命科学学院教授黄晶说。

团队随后建立了针对3CLpro靶点的AI模型，从初筛结果里选出9个分子进行合成测试，其中6个表现出很强的抑制活性——接近七成的命中率，在药物发现领域堪称奢侈。经过成药性评估，候选分子被锁定为编号WLU6937的那一个。从克隆出3CLpro蛋白，到选定它，仅用了数月。

三年半，是怎样"省"出来的

如果故事只讲到"AI筛出了好分子"，它还停留在工具的层面。艾普司韦真正的含金量，在于AI与实验之间形成了一套自我进化的闭环。

选定WLU6937之后，还有漫长的优化之路要走：让分子更稳定、毒性更低、成药性更好。此后的两年里，团队一边用实验产生的高质量数据"反哺"AI模型、让它持续迭代训练，一边又根据模型的预测，判断下一轮实验该往哪个方向使劲。黄晶把这套机制概括成17个字："计算预测、实验验证、数据反馈、模型再优化。"

这意味着，AI在这款药的研发中并不是"帮忙查资料的助手"，而是深度参与了筛选条件设定、候选分子挑选、优化方向预判等关键环节的"同行者"。"在艾普司韦的研发过程中，AI实质性地参与了多个关键环节。"黄晶说。

把这些环节串起来看，省下的时间是惊人的。行业内公认，一款原创新药从立项到上市，平均需要十年乃至十五年，投入以十亿美元计，成功率却不足一成——这就是压在全球制药人头上的那口"时钟"。而艾普司韦从源头发现到完成临床试验，只用了三年半——即便不计入获批上市前的审评环节，单是"把药做出来"这一段，也大幅快于行业平均。两相对照，这口时钟被拨快的幅度，一目了然。

当然，"快"不等于"省掉了该走的路"。临床试验一关没少、安全性数据一项没缺，三年半的秘诀不在偷工减料，而在于把"试错"的成本大幅压缩——过去要靠人力和运气反复试探的地方，如今由AI先在虚拟空间里跑一遍，把最可能成功的路径挑出来，再交到实验台上验证。用黄晶的话说，AI能够"从海量数据中精准高效地识别出真正有效的分子"，把科学家从大海捞针里解放出来，去做更重要的判断。

当然，三年半的成绩也并非AI的独角戏——一个靶点清晰的科学问题、一支高校与产业高效协同的队伍，同样为提速铺了路。AI是其中最关键的一环，却并非唯一的引擎。

AI制药：从"讲故事"到"交作业"

过去几年，"AI制药"并不缺故事。几乎每一家相关公司都能讲出一套"用算法加速药物发现"的愿景，但行业等来的，更多是管线与融资的新闻，而不是一款真正上市的药。质疑声也随之而来：AI究竟是真变革，还是新瓶装旧酒的叙事游戏？

艾普司韦给出的回答掷地有声。当国家药监局为这款由AI深度参与的原创药盖上批准上市的印章，行业等到了一个迟到已久的"监管背书"——AI辅助药物研发，第一次从概念走到了货架。西湖大学校长助理王廷亮的表述更为直接："艾普司韦的成功上市证明，真正的AI辅助药物研发当前是高效可行的。"

另一个"第一次"同样值得细品。DNA编码化合物库技术于1992年被提出，用DNA条形码为海量化合物编码的构想，在概念上领先了时代三十多年，却始终卡在"从库到药"的最后一公里——全球范围内，还没有一款基于DEL技术的小分子新药走通过上市之路。艾普司韦是第一个。它同时宣告了另一件事：中国团队不仅跑通了AI辅助研发，也让DEL这项源自海外的底层技术，第一次登上了"成药"的领奖台。

看待这款药，眼光还要越过它本身。艾普司韦的适应症是新冠轻中症，它的价值更多在于验证了一条方法论——AI与湿实验结合、计算与验证轮转的研发范式，可以从一个靶点迁移到无数个靶点，从抗病毒延伸到肿瘤、自身免疫乃至代谢疾病。靶点发现难、分子设计难、临床方案设计难，这三大瓶颈困扰制药业数十年，而艾普司韦至少证明：在"找到对的分子"这一环，AI已经能实打实地帮上忙。

时钟被拨快之后

把话说满，并不是科学的态度。艾普司韦拿到的是一张"附条件批准"的上市许可——这意味着它基于当前的获益风险评估先行上市，上市许可持有人仍需继续开展相关研究，限期完成附条件批准的要求，并及时提交后续研究结果。它的旅程没有在获批那天结束，反而站上了一个需要持续用数据证明自己的新起点。

但这并不妨碍艾普司韦在行业的时间表上刻下刻度。它的意义，不在于"一款新冠药能走多远"，而在于它第一次用实物回答了一个悬置多年的问题：AI到底能不能参与造出一款真药？答案是能。当这个答案被写进获批记录，越来越多的后来者就有了把AI请进实验室的底气，也有了把"十年"压缩成"三年半"的参照系。

新药研发的时钟，从来不是靠一己之力拨快的。它需要更聪明的算法、更高质量的数据、更成熟的审评体系，也需要科学家愿意把一部分判断交给AI、再把AI的答案放回实验台验证的勇气。艾普司韦只是第一格刻度——但它让所有人看到，这支时钟，真的可以走得快一些。

人类与疾病的赛跑从未停歇，而这一次，AI站上了跑道。