Recursion PharmaceuticalsRXRX

🤖AI 製藥走到哪了？別只看模型，要看誰真的進臨床 AI 製藥這幾年很熱。 大模型、生成式蛋白設計、AI 找靶點、AI 設計分子、幾十億美元合作，新聞很多。 但對投資人來說，真正重點不是： **AI 聽起來厲不厲害。** 而是： 💊AI 做出來的藥，有沒有真的進臨床？ 💊有沒有進二期、三期？ 💊有沒有被大藥廠用真金白銀買走？ 💊最後有沒有機會變成藥？ 所以 AI 製藥現在已經不是講故事階段，而是開始進入「交卷期」。 --- 💊 第一個案例：Zasocitinib，AI 幫小分子做到三期 Zasocitinib 是武田從 Nimbus 買來的口服 TYK2 抑制劑。 這筆交易當年光頭期款就高達 **40 億美元**，非常驚人。 它背後的關鍵，是用大量計算化學與物理模擬，幫助設計出更精準的小分子。 簡單講，就是以前藥物化學家要做很多分子、測很多輪，慢慢猜哪個最好。 現在 AI 與計算模型可以先幫忙預測： 🤖哪個分子更有效？ 🤖哪個比較不容易打錯靶？ 🤖哪個比較有機會成藥？ Zasocitinib 已經進入乾癬三期臨床，並公布正面結果。 這是 AI 製藥目前最有說服力的案例之一。 因為它不是只停在模型，而是真的走到後期臨床。 --- 💊 第二個案例：GB-0895，AI 設計長效抗體 Generate:Biomedicines 的 GB-0895 是一款針對重度氣喘的長效抗體。 它的目標不是發明全新靶點，而是用生成式 AI 設計出更好的抗體。 重點是： 💊親和力要高。 💊半衰期要長。 💊安全性要穩。 💊最好能半年打一針。 如果真的做到半年一次，對重度氣喘患者會很有吸引力。這代表 AI 不只可以設計小分子，也能幫助設計抗體與蛋白藥。 --- 💊 第三個案例：Zovegalisib，AI 找到蛋白質的隱藏口袋 Relay Therapeutics 的 Zovegalisib 是針對乳癌的 PI3Kα 突變抑制劑。 這個靶點過去很難做，因為如果藥物打到正常 PI3Kα，就容易有高血糖、皮疹、腹瀉等副作用。 Relay 的特色，是用 AI 和蛋白質動態模擬，去看蛋白質運動時出現的「隱藏口袋」。 白話講：不是只看蛋白質靜止時長什麼樣，而是看它動起來時，有沒有露出可以精準攻擊的位置。 這讓藥物有機會更精準打突變蛋白，減少對正常蛋白的影響。 Zovegalisib 已經進入乳癌三期臨床。 --- 💊 第四個案例：REC-4881，AI 幫老藥找新用途 Recursion 的 REC-4881 代表另一種 AI 製藥路線。 它不是從零設計全新藥，而是利用大量細胞影像資料，幫藥物找到新的疾病用途。 這款藥被用於家族性腺瘤性息肉病，也就是一種容易長大量腸道息肉、未來大腸癌風險很高的遺傳疾病。 這個案例告訴我們： AI 不一定只會發明新藥，也可以幫舊藥找到更適合的病人和適應症。 這對降低研發風險很有意義。 --- 👀 AI 製藥真正要看什麼？ 這幾個案例放在一起看，可以發現 AI 製藥不是一種技術，而是好幾種不同能力。 有的 AI 幫忙設計小分子。 有的 AI 幫忙設計抗體。 有的 AI 幫忙找蛋白質隱藏口袋。 有的 AI 幫忙老藥新用。 所以投資 AI 製藥，不能只問： **有沒有 AI？** 而是要問： 👀AI 用在哪裡？ 👀有沒有產生候選藥物？ 👀有沒有動物與人體資料？ 👀有沒有進二期、三期？ 👀有沒有被大藥廠買單？ AI 再強，最後還是要看臨床，模型不能替代人體試驗。 --- 🇹🇼 台灣可以怎麼看？ 台灣公司不一定要自己做出全球最強 AI 製藥平台。更實際的方向，是把 AI 用在既有管線上： 🇹🇼幫助找新適應症。 🇹🇼幫助找病人分型。 🇹🇼幫助解釋作用機制。 🇹🇼幫助提高國際授權故事的可信度。 例如生華科這類已有臨床資產的公司，如果能用 AI 把機制、病人選擇、適應症擴張講得更清楚，就可能讓老管線重新被國際市場理解。 安宏生醫這類 AI 加新技術平台的公司，則可以看它能不能把 AI 真正轉化成可臨床驗證的藥物管線。 重點不是喊 AI，而是 AI 有沒有讓管線更接近成功。 --- ✨ 簡單結論 AI 製藥已經過了只講願景的階段。 現在真正要看的是： ✨誰走進臨床。 ✨誰進入三期。 ✨誰被大藥廠買單。 ✨誰最後有機會變成藥。 AI 可以讓研發更快、更聰明、更早排除錯誤。但新藥開發最終還是很殘酷：**模型再漂亮，最後都要看病人有沒有真正受益。** 所以 AI 製藥不是不能投， 而是不能只投故事。 要看管線，要看數據，要看臨床進度。 免責聲明：本文僅為產業趨勢分析，不構成任何投資建議。生技股波動大，請自行評估風險。 原文參考：https://www.facebook.com/profile.php?id=61568446257142