Apa yang berlaku
Penyelidik di Perubatan Stanford, diketuai oleh James Zou dan Harrison Zhang, telah membangunkan rangka kerja bioteknologi maya yang menggunakan sehingga 37,000 ejen AI autonomi untuk mensimulasikan saluran paip pembangunan dadah. Diterbitkan dalam Sains pada 17 September, sistem itu menyusun ejen ke dalam struktur hierarki, termasuk ketua pegawai sains maya, untuk melaksanakan tugas daripada analisis percubaan klinikal kepada reka bentuk terapeutik. Ejen memproses 50,000 ujian klinikal dalam masa kurang seminggu, mengenal pasti penanda biologi tertentu—kekhususan jenis sel dan bimodaliti aktiviti gen—yang berkorelasi dengan kadar kejayaan yang lebih tinggi dalam pembangunan ubat. Sistem itu seterusnya mencadangkan konjugat ubat antibodi untuk kanser paru-paru yang menyasarkan protein B7-H3, strategi yang dibangunkan secara bebas dan diberikan penetapan terapi terobosan FDA oleh syarikat farmaseutikal beberapa bulan kemudian.
Pasukan penyelidik Perubatan Stanford, yang diketuai oleh profesor bersekutu James Zou dan pelajar siswazah Harrison Zhang, mencipta seni bina syarikat bioteknologi maya yang dikuasakan oleh 37,000 ejen AI. Sistem ini meniru struktur organisasi firma farmaseutikal tradisional, dengan ejen khusus ditugaskan kepada peranan yang berbeza seperti pengambilan data, analisis percubaan klinikal dan reka bentuk terapeutik.
Dalam demonstrasi keupayaan sistem, ejen menganalisis 50,000 ujian klinikal dalam masa kurang dari seminggu. Analisis mengenal pasti bahawa sasaran ubat yang mempamerkan kekhususan jenis sel tinggi dan aktiviti gen seperti suis (bimodaliti) adalah 40% lebih berkemungkinan untuk maju dari Fasa 1 ke Fasa 2, 48% lebih berkemungkinan untuk mencapai pasaran, dan dikaitkan dengan 32% lebih sedikit kejadian buruk.
Sistem ini juga mencadangkan konjugat antibodi-ubat khusus yang menyasarkan protein B7-H3 untuk rawatan kanser paru-paru. Cadangan ini berdasarkan data yang tersedia sebelum Januari 2025. Pada Ogos 2025, sebuah syarikat farmaseutikal bebas membangunkan strategi serupa, yang kemudiannya menerima penetapan terapi terobosan FDA, memberikan pengesahan luaran untuk output AI.
Butiran sumber: businesstoday.in ↗
Mengapa ia penting
Perkembangan ini menandakan peralihan dalam utiliti AI daripada bantuan penyelidikan pasif kepada pasukan penyelidikan berbilang ejen autonomi yang mampu menguraikan masalah saintifik yang kompleks. Dengan menyelaraskan analisis set data yang luas, sistem ini mempercepatkan dengan ketara pengenalpastian sasaran dadah yang berdaya maju, yang berpotensi mengurangkan tahun buruh manual yang biasanya diperlukan untuk pemeriksaan awal. Pengesahan bebas yang berjaya bagi cadangan B7-H3 sistem menunjukkan bahawa aliran kerja agen boleh menjana hipotesis saintifik yang berkualiti tinggi dan boleh diambil tindakan. Walau bagaimanapun, para penyelidik menekankan bahawa sistem ini tidak menggantikan makmal fizikal atau ujian klinikal manusia; ia berfungsi sebagai enjin penemuan berkeupayaan tinggi yang masih memerlukan pengesahan empirikal. Implikasi praktikal adalah potensi pengurangan kadar kegagalan yang tinggi dalam pembangunan ubat peringkat awal dengan menapis calon melalui analisis data yang didorong oleh agen yang ketat sebelum ujian fizikal bermula.
Penyelidikan menunjukkan bahawa ejen AI boleh disusun ke dalam pasukan autonomi untuk menyelesaikan masalah saintifik yang kompleks dan berbilang langkah, bergerak melangkaui keupayaan pembantu penyelidik model tunggal.
Keupayaan untuk memproses 50,000 ujian klinikal dalam masa kurang seminggu menawarkan kelebihan kelajuan yang ketara berbanding pasukan yang diterajui manusia, yang biasanya memerlukan bertahun-tahun untuk melaksanakan kajian literatur dan data komprehensif yang serupa.
Dengan mengenal pasti corak biologi tertentu yang berkait dengan kejayaan klinikal, sistem ini menyediakan kaedah dipacu data untuk menapis calon ubat berisiko tinggi pada awal proses pembangunan, yang berpotensi menjimatkan masa dan modal yang ketara.
Pengesahan sasaran B7-H3 oleh syarikat farmaseutikal bebas berfungsi sebagai bukti-konsep kritikal untuk kebolehpercayaan penemuan ubat agen, menunjukkan bahawa sistem ini boleh menghasilkan keputusan yang setanding dengan pasukan penyelidikan yang diketuai manusia.
Mekanisme Interaktif: Bagaimana Ia Berfungsi Sebenarnya
Terokai teknologi asas di sebalik pembangunan ini secara interaktif.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Apa yang perlu ditonton seterusnya
Pasukan Stanford kini merancang untuk bergerak melangkaui simulasi maya dengan mengambil sasaran dadah yang dikenal pasti AI tambahan ke dalam tetapan makmal fizikal. Tumpuan utama akan menentukan kadar kejayaan percubaan ramalan yang dijana AI ini. Pemerhati harus memantau sama ada pendekatan agen ini boleh secara konsisten meniru kejayaan awalnya merentas kategori penyakit yang berbeza dan sama ada rangka kerja itu boleh ditingkatkan atau disesuaikan oleh institusi penyelidikan lain untuk menangani bidang terapeutik yang lebih luas. Kemas kini masa hadapan berkemungkinan akan tertumpu pada hasil eksperimen pengesahan fizikal ini dan potensi penyepaduan aliran kerja agen ini ke dalam saluran paip R&D farmaseutikal standard.
Pasukan penyelidik sedang beralih daripada analisis maya kepada ujian makmal fizikal. Kejayaan percubaan akan datang ini akan menjadi penunjuk utama utiliti dunia sebenar sistem.
Perkembangan masa depan akan memberi tumpuan kepada sama ada penemuan yang dijana AI bertahan di bawah penelitian empirikal, yang merupakan langkah yang perlu sebelum mana-mana calon ini boleh meneruskan ujian klinikal manusia.
Penggunaan lebih luas rangka kerja agen ini oleh institusi penyelidikan lain boleh menandakan peralihan dalam cara penemuan ubat peringkat awal dijalankan di seluruh industri bioteknologi.