德米斯·哈薩比斯如何將人工智慧視為藥物發現最大挑戰的解決方案

德米斯·哈薩比斯（Demis Hassabis），諾貝爾獎得主的神經科學家以及谷歌DeepMind的創始人，長期以來都深知人類面臨著最艱巨的科學難題之一：在幾乎無限的可能藥物分子景觀中導航。在最近關於他最新創業公司Isomorphic Labs的討論中，哈薩比斯闡述了一個遠超傳統藥物研發的願景——一種系統化、可擴展的藥物發現方法，可能徹底改變我們應對新興健康挑戰的方式。

分子可能性的驚人規模

在深入了解哈薩比斯的方法之前，先幫助理解這個問題的巨大程度。地球上可能存在的化合物數量之多，遠超任何宇宙級的比較。科學家估計，大約有10^60個潛在的小型、類藥物分子——這個數字遠遠超過可觀測宇宙中估計的10^22到10^24顆星星，足足多出數個數量級。

這一統計事實凸顯了為何藥物發現歷來更像是一門藝術而非純粹科學，更多依賴偶然的發現而非系統性的方法。青黴素的出現源於實驗室偶然的觀察。大多數突破性的藥物都是在面對壓倒性困難時取得的勝利，每一個成功的化合物都是在搜尋一個幾乎無法想像的巨大化學空間後找到的。

Isomorphic Labs：從願景到可擴展的AI驅動藥物發現

意識到這一挑戰，德米斯·哈薩比斯於2021年創立了Isomorphic Labs，使命是：利用人工智慧穿越這一分子複雜性，並從根本上重塑新療法的發現方式。與傳統的藥物開發依賴逐一篩選數千種化合物不同，哈薩比斯的方法利用機器學習在前所未有的規模和速度下識別有潛力的候選分子。

這一策略優勢令人信服。通過在大量分子結構及其生物特性數據集上訓練AI系統，研究人員可以預測哪些化合物最有可能與疾病靶點有效互動——將本可能需要數年的實驗室工作縮短到計算時間內。Isomorphic Labs不僅定位自己為另一家生物科技新創公司，更是一個平台公司，旨在通過技術系統化整個藥物發現流程。

重新定義「解決疾病」：一個可重複、可擴展的流程

當被問及哈薩比斯常被引用的「解決所有疾病」的雄心時，這個說法需要澄清。正如他在近期訪談中解釋的，他並不聲稱能完全根除疾病——這是一個他明確拒絕的不切實際的承諾。相反，他的願景是建立一個持久、可重複的系統，能夠應對不斷演變的健康威脅。

在哈薩比斯的框架中，「解決疾病」意味著建立基礎設施——無論是技術層面還是組織層面——使持續的藥物發現與改進成為可能。隨著健康挑戰的出現或演變，這個可擴展的流程能夠進行調整，系統性地產生新的治療方案。這是一個從傳統尋找單一突破性藥物的模式轉向建立一個永續的醫藥創新引擎的轉變。重點是務實：將具有變革性的藥物帶給需要的患者，而非承諾普遍的治癒。

前進之路：為何證明在AI驅動醫學中至關重要

目前，Isomorphic Labs尚未在臨床試驗中擁有任何藥物，且公司對時間表保持謹慎。然而，德米斯·哈薩比斯和他的團隊成功的終極衡量標準是：將AI驅動的發現轉化為具有療效的實際藥物。

正如谷歌風險投資的管理合夥人兼早期投資者Yeshwant Krishna強調的：「要真正展示這種方法的價值，你必須提供真正的證明。你需要自己研發藥物，將它們帶給患者，並證明它們有效。」這一里程碑代表著從有前景的技術到具有變革性行業影響的關鍵門檻。

AI驅動的藥物發現領域正處於轉折點。如果哈薩比斯的方法能成功推出針對癌症、自體免疫疾病和罕見遺傳疾病等條件的創新療法，其影響將遠超個別治療。成功或將驗證一個全新的藥物創新範式——一個由機器智能加速人類應對疾病的能力，達到前所未有的速度、精確度與規模。