药物发现是指从靶点识别、先导化合物筛选到临床前研究的整个新药研发过程。随着人工智能技术的快速发展，AI药物发现已成为生物医药领域的重要创新方向，正在改变传统药物研发高成本、长周期的困境。
AI药物发现近期进展
McKinsey研究显示，AI技术使药物发现时间缩短15%-80%，大幅提升了研发效率。这一数据表明AI在药物发现领域已经展现出实质性价值，从靶点识别到候选药物筛选的全流程优化效果显著。AI使药物发现时间缩短 15%-80%DeepSeek 175B模型在消费级笔记本上成功完成20万蛋白质配体虚拟筛选，证明了AI药物发现工具的普惠性和实用性。这一突破意味着即使是资源有限的实验室也能利用先进AI技术加速药物发现进程。DeepSeek 175B在消费级笔记本上完成20万蛋白质配体虚拟筛选
微软推出的多模态AI研究系统Project Quine整合了多种数据源，为药物发现提供了更全面的分析视角。该系统通过多模态学习技术，能够同时处理化学结构、生物活性和临床数据，提高了药物候选物的预测准确性。微软推出多模态AI研究系统Project Quine
当前焦点与观察点
AI药物发现领域正面临"瓶颈交易"现象，上游实验需求激增成为新的挑战。尽管AI模型能够快速筛选大量化合物，但后续实验验证环节成为制约整体效率的关键因素。小型模型如Llama 3.2-3B在药物发现规划中表现优异，工具选择F1分数达0.998，表明轻量化模型在特定任务中具有巨大潜力。小型模型本地部署执行药物发现规划新型算法如ProbeMatchDTI和MolLedger正在推动药物发现技术边界。前者通过探针驱动的多尺度生化模式匹配提高了靶点识别精度，后者基于化学ADME属性构建可解释图神经网络，增强了药物分子设计的可解释性。这些技术创新正在解决药物发现中的核心挑战，为精准医疗提供更可靠的技术支持。
Insitro CEO Daphne Koller指出，AI不仅加速药物发现，还能优化临床试验设计。通过预测患者反应和分层，AI可以帮助减少临床试验失败率，提高成功率。这种全流程的智能化改造，正在重塑整个药物研发生态系统，使药物发现更加精准、高效和可负担。