阿斯利康首席执行官称AI提升药物试验成功率20%

阿斯利康首席执行官帕斯卡尔·索里奥特于2026年6月5日表示，公司正在利用人工智能更快地开发药物，并改善其研究管道中的决策。索里奥特详细说明，AI的整合已经使药物候选者的技术成功概率提高了约20%。在一个将新药推向市场的平均成本超过23亿美元且通常需要十年以上的行业中，这一加速至关重要。

背景 — [为什么现在很重要]

生物制药行业面临持续的研发生产力挑战。历史上，进入I期临床试验的药物候选者中，只有约10%最终获得监管批准。上一次显著的效率飞跃出现在2000年代初的高通量筛选技术。当前资本成本上升的宏观背景下，美联储基金利率超过5.25%，加大了生物技术公司更高效地部署资本的压力。

广泛采用AI的催化剂是大型语言模型和能够分析复杂生物数据的预测算法的成熟。这一技术转变使公司能够以前所未有的准确性识别有前景的药物靶点并预测患者反应。阿斯利康的公开承诺标志着整个行业从试点项目转向AI工具的核心运营整合。

数据 — [数字显示了什么]

阿斯利康的AI举措正在产生可衡量的成果。所提到的技术成功概率（PTS）提高20%是一个关键行业指标。PTS每提高一个百分点，可能为每个资产带来数千万的价值。公司在其管道中有超过170个项目，AI现在在超过80%的早期研究活动中得到利用。

在AI整合之前，行业平均从发现到市场批准的时间约为12-15年。AI驱动的模拟和数字双胞胎现在将临床前阶段的时间压缩了估计的18-24个月。这一时间压缩与标准普尔500制药指数形成对比，该指数在过去五年中研发支出占收入的比例保持在21%左右，表明对效率的关注超过了单纯的支出增加。

指标	AI前基准	AI后改善
平均技术成功概率	~10%	~12% (+20% 相对)
临床前研究时间表	3-5年	缩短1.5-2年
靶点识别速度	12-18个月	缩短至3-6个月

分析 — [这对市场/行业/股票意味着什么]

这一趋势的直接受益者是拥有大量数据集和资本投资于AI基础设施的大型生物制药公司。像[LLY]和[NVS]这样的股票也在进行类似投资，可能导致整个行业的利润扩张。专注于AI的服务提供商和软件公司，如[SDGR]和[EXAI]，将从生物制药合作伙伴关系中获得更多合同收入。

一个关键风险是对AI生成假设的验证；计算预测仍需在湿实验室和人体试验中确认，这可能导致高调的失败。对算法的依赖增加也引入了来自FDA等机构对模型透明度和偏见的新监管审查。机构资金正向AI原生药物发现初创公司流动，2025年该领域的风险投资超过50亿美元，而在缺乏明确AI采用策略的小型生物技术公司中，卖空兴趣增加。

展望 — [接下来要关注什么]

该行业的下一个主要催化剂是FDA预计将在2026年第四季度发布的关于药物开发中AI/ML的指导。阿斯利康将在2026年8月1日的第二季度财报电话会议上提供有关AI推动的管道进展的更新。投资者应关注AZD5305的临床试验结果，这是一种使用AI驱动设计开发的下一代PARP抑制剂，预计在2027年底将发布III期数据。

需要关注的关键水平包括主要制药公司的研发支出与收入比率。持续下降到18%以下将表明成功的效率提升。对于专注于AI的服务提供商，年同比超过30%的收入增长率将是强劲需求的重要指标。[XBI] ETF相对于更广泛市场的表现将衡量投资者对生物技术创新生产力的信心。

常见问题解答

AI如何改善药物发现？

AI算法分析包括基因组序列、蛋白质结构和历史临床试验数据在内的大量数据集，以识别人类研究者无法看到的模式。机器学习模型可以预测分子如何与生物靶点相互作用，预测潜在副作用，甚至从头设计新的药物候选者。这减少了失败实验的数量，并优先考虑最有前景的化合物进行实验室测试，从而节省了大量时间和资源。

在制药研究中使用AI的风险是什么？

主要风险是算法偏见，训练于不完整或不具代表性数据的AI模型可能会产生偏差的预测，可能忽视对代表性不足人群的有效治疗或高估药物的疗效。还有可重复性挑战，因为复杂的神经网络有时可以作为“黑箱”工作，决策的理由不明确。这种缺乏可解释性可能会使监管批准过程和科学验证变得复杂。

其他哪些制药公司在AI采用方面处于领先地位？

除了阿斯利康，罗氏和强生等公司已经建立了广泛的AI研究部门。罗氏与AI初创公司合作进行诊断和治疗开发。强生利用AI进行临床试验患者招募和优化。辉瑞利用AI平台加速其COVID-19疫苗的开发时间表。这些公司与谷歌的DeepMind和NVIDIA等科技巨头争夺人才，后者通过AlphaFold等项目将其AI专业知识应用于生物问题。

结论

AI正在系统性地降低药物开发的成本和时间，重塑每年2000亿美元的研发格局。

免责声明：本文仅供信息参考，不构成投资建议。CFD交易具有高风险的资本损失。