◎張佳星

　　記得兩年前，某計算所學者告訴我，為了讓智能算法走進藥物篩選領域，自己經(jīng)常自掏腰包，前往藥學學術會議進行交流。他想用自己的研究結果告訴人們，過去需要數(shù)千小時的篩選工作，借助新技術幾十小時就能完成。

　　當時，相信者寥寥。他的經(jīng)歷，讓我腦中晃過一個詞——“布道者”。新技術誕生后，不乏“布道者”。

　　2024年底，在我參加的多個藥學相關學術會議中，人工智能、算法、模型等作為關鍵詞在學術報告中頻頻被提及。在綜述性報告中，一些落地見成效的成果見諸知名期刊；在學術分享報告中，不少新藥物的研發(fā)已經(jīng)在人工智能輔助下進入臨床試驗階段。

　　值得一提的是，這些成功的案例多來自聯(lián)合研究團隊，這些學術會議的嘉賓也愈加背景多樣，他們中有算法工程師、臨床醫(yī)學學者、藥學學者、遺傳學者……誠然，隔行依然隔山，不同學科的學術語言體系仍然存在隔閡。為了克服跨界融合的理解障礙，每一個時代的科研者都要不斷學習新的研究體系。

　　一位受訪者的感慨，可能代表著科技工作者的心聲：在AI引發(fā)的技術革命浪潮中，研究者如果不行動起來，就是在等著被淘汰。

　　“日益復雜的科學問題需要探索跨學科團隊合作的科研模式�！敝袊�工程院院士、北京大學第三醫(yī)院研究員董尓丹表示，尤其是在生物醫(yī)學、健康等領域，要取得變革性研究成果，必須開展“有組織的科研”。

　　就像互聯(lián)網(wǎng)打破了人類地域的概念，人工智能也在擊碎“數(shù)據(jù)井”的壁壘。生成式人工智能能夠處理的參數(shù)和數(shù)據(jù)以億為單位。AI的能力正在倒逼不同來源的生物醫(yī)學研究數(shù)據(jù)進行整合。如何提高數(shù)據(jù)的可訪問性和互操作性，已經(jīng)成為“有組織科研”的課題之一。

　　在我們身邊，醫(yī)療數(shù)據(jù)的互認、共享正在成為常態(tài)；在保障數(shù)據(jù)安全的前提下，數(shù)據(jù)“柏林墻”正在被推倒……這些，為人工智能+醫(yī)藥領域“有組織的科研”奠定了數(shù)據(jù)基礎。

　　相關部門也通過政策法規(guī)積極引導。國家衛(wèi)生健康委等部門日前發(fā)布的《衛(wèi)生健康行業(yè)人工智能應用場景參考指引》，從4大領域給出了84個應用場景，以推進衛(wèi)生健康行業(yè)“人工智能+”的應用創(chuàng)新發(fā)展。

　　如今，再同前述的數(shù)據(jù)學者聊起來，他告訴我，智能計算的應用早已開始，他們提供技術支持的罕見病藥物已經(jīng)在等待臨床試驗許可，他們還在為免疫治療藥物敏感性進行評估、為老藥尋找新的適應證……

　　從被拒門外到被熱情擁抱，AI靠實力成為藥物學家的常規(guī)工具。生命數(shù)字化的研究已經(jīng)在如火如荼開展，模擬生命活動的精度在持續(xù)提高，生命活動的模擬和預測將帶來什么，或許下一個兩年就有眉目。