Một trong những sự kiện được theo dõi nhiều nhất đến từ ReviR Therapeutics, một công ty được ươm tạo bởi XtalPi. Vào đầu tháng 1, chương trình RTX{3}}117 đã nhận được Thông báo thử nghiệm lâm sàng từ Cục Quản lý Sản phẩm Y tế Quốc gia Trung Quốc. Ứng viên nhắm đến bệnh Charcot-Marie-Tooth, một chứng rối loạn thần kinh di truyền hiếm gặp.
Dự án này đáng chú ý vì nó kết hợp thiết kế AI với nghiên cứu phân tử nhỏ nhắm vào RNA-. XtalPi mô tả RTX-117 là đường dẫn phân tử nhỏ "AI + RNA" đầu tiên của Trung Quốc được đưa vào thử nghiệm lâm sàng. Chương trình này cũng đã nhận được sự chấp thuận của FDA IND Hoa Kỳ và Chỉ định Thuốc mồ côi trước tiến trình lâm sàng ở Trung Quốc này.
Điều này không có nghĩa là thuốc đã chứng minh được giá trị lâm sàng cuối cùng của nó. Việc phê duyệt thử nghiệm lâm sàng vẫn còn là bước đầu. Độ an toàn, liều lượng, phản ứng của bệnh nhân và-lợi ích lâu dài đều cần được kiểm tra cẩn thận. Nhưng đối với lĩnh vực khám phá thuốc AI, đó vẫn là một dấu hiệu đầy ý nghĩa. Nó cho thấy rằng thiết kế phân tử được hỗ trợ bởi AI-đang tiến gần hơn đến việc phát triển thuốc được quản lý chứ không chỉ là thảo luận về-nghiên cứu ở giai đoạn đầu.
Nghiên cứu bệnh hiếm gặp có thể là một lĩnh vực mà phương pháp này nhận được nhiều sự chú ý hơn. Nhiều bệnh hiếm gặp có số lượng bệnh nhân hạn chế, dữ liệu lịch sử hạn chế và lộ trình phát triển khó khăn. Nếu các công cụ AI có thể giúp các nhà nghiên cứu hiểu mục tiêu, thiết kế phân tử và ưu tiên ứng viên hiệu quả hơn, thì chúng có thể trở nên hữu ích trong những lĩnh vực mà việc khám phá truyền thống diễn ra chậm hoặc tốn kém.
Một tín hiệu khác của tháng 1 đến từ sự hợp tác giữa XtalPi và Sunshine Lake Pharma. Hai bên đã công bố quan hệ đối tác chiến lược tập trung vào mô hình khám phá thuốc "AI + Robotics". Kế hoạch này bao gồm một liên doanh, cơ sở hạ tầng phòng thí nghiệm tự động, dữ liệu thử nghiệm có cấu trúc và hệ thống R&D được hỗ trợ bởi AI.
Kiểu hợp tác này khác với một thông báo công nghệ đơn giản. Nó chỉ ra một cách sử dụng AI công nghiệp hơn. Thay vì chỉ xây dựng các mô hình, các công ty đang cố gắng kết nối dự đoán, tổng hợp, thử nghiệm, phản hồi dữ liệu và đưa ra quyết định vào một hệ thống làm việc.
Điều đó quan trọng vì việc khám phá thuốc không phải là công việc-một bước. Một phân tử trông đẹp trên máy tính vẫn cần được tổng hợp, kiểm tra, so sánh, tối ưu hóa và xem xét. Nếu phía phòng thí nghiệm không theo kịp, tốc độ thiết kế AI có thể không mang lại hiệu quả R&D thực sự.
Đây là lý do tại sao robot và phòng thí nghiệm tự động đang trở thành một phần của câu chuyện. Chúng có thể giúp tạo ra dữ liệu thử nghiệm nhất quán hơn và giảm bớt một số công việc thủ công lặp đi lặp lại. Quan trọng hơn, chúng giúp các mô hình AI học hỏi từ kết quả thử nghiệm thực tế dễ dàng hơn. Vòng lặp dữ liệu càng mạnh thì hệ thống càng hữu ích cho việc lựa chọn ứng viên trong tương lai.
Vai trò mạnh mẽ hơn của AI không làm giảm nhu cầu về bằng chứng. Trên thực tế, nó có thể khiến bằng chứng thậm chí còn quan trọng hơn. Khi một nền tảng có thể tạo ra nhiều ý tưởng thiết kế một cách nhanh chóng, các nhóm nghiên cứu cần có cách tốt hơn để quyết định ý tưởng nào đáng theo đuổi.
Điều này gây thêm áp lực cho việc kiểm tra, chất lượng dữ liệu và tài liệu. Nhận dạng phân tử, độ tinh khiết, độ ổn định, độ hòa tan, đặc tính dược động học và kết quả xét nghiệm đều trở thành một phần của quyết định. Nếu dữ liệu yếu hoặc không nhất quán, quá trình thiết kế nhanh vẫn có thể dẫn đến phát triển chậm.
Đối với các công ty dược phẩm, AI có thể giúp rút ngắn một phần chu trình khám phá. Nhưng nó không thể thay thế logic lâm sàng hoặc kỷ luật quản lý. Thí sinh vẫn phải trải qua những câu hỏi cơ bản tương tự: Học tập có đủ an toàn không? Nó có đạt được mục tiêu không? Câu trả lời có ý nghĩa không? Vật liệu có thể được sản xuất và kiểm soát một cách ổn định không?
Đó là lý do tại sao thị trường đang trở nên thận trọng hơn với những tuyên bố về phát minh thuốc AI. Ngôn ngữ mạnh mẽ rất dễ viết. Tiến độ phát triển thực sự khó khăn hơn. Các chương trình có mục tiêu rõ ràng, dữ liệu có thể theo dõi và các thử nghiệm có thể lặp lại sẽ được thực hiện nghiêm túc hơn những hứa hẹn về nền tảng rộng rãi.
Ảnh hưởng của việc khám phá thuốc AI không chỉ giới hạn ở các công ty nền tảng và nhà phát triển thuốc. Nó cũng ảnh hưởng đến các nhà cung cấp thượng nguồn, nhà cung cấp vật liệu nghiên cứu và các đối tác dịch vụ phân tích.
Khi quá trình khám phá sớm diễn ra nhanh hơn, các nhóm nghiên cứu có thể cần được hỗ trợ nhanh chóng hơn. Điều này có thể bao gồm các hợp chất tham chiếu, chất trung gian, vật liệu peptide, thuốc thử-liên quan đến xét nghiệm và nguồn cung cấp theo lô-nhỏ tùy chỉnh. Yêu cầu không chỉ là tốc độ. Người mua cũng cần thông số kỹ thuật rõ ràng, tính nhất quán của lô, xác nhận danh tính và hỗ trợ tài liệu.
Trong các cuộc trò chuyện mua hàng cũ hơn, một số người mua chủ yếu hỏi về tên sản phẩm, độ tinh khiết, giá cả và thời gian giao hàng. Đối với các dự án nghiên cứu được hỗ trợ bởi AI-, các câu hỏi có thể trở nên chi tiết hơn. Các nhóm có thể yêu cầu dữ liệu HPLC, xác nhận LC-MS, ghi chú về độ hòa tan, điều kiện bảo quản, thông tin dung môi còn sót lại và so sánh lô-với-lô.
Đây là sự thay đổi lành mạnh cho chuỗi cung ứng. Nó mang lại cho các nhà cung cấp đã chuẩn bị kỹ thuật nhiều cơ hội hơn để thể hiện giá trị. Nó cũng làm cho những vật liệu được xác định kém khó được chấp nhận hơn. Nếu nhóm nghiên cứu đang sử dụng các công cụ thiết kế tiên tiến nhưng đang thử nghiệm các vật liệu không ổn định hoặc không rõ ràng thì toàn bộ dự án có thể mất đi độ tin cậy ở giai đoạn xác nhận.
Tháng 1 năm 2026 không chứng minh được AI có thể giải quyết mọi vấn đề trong phát triển thuốc. Điều đó sẽ quá đơn giản. Những gì nó đã cho thấy là hữu ích hơn: việc phát triển thuốc AI đang ngày càng gắn kết hơn với tiến bộ lâm sàng, hợp tác dược phẩm, tự động hóa phòng thí nghiệm và các yêu cầu về chuỗi cung ứng.
Điều này làm cho sân đấu có căn cứ hơn. Giai đoạn tiếp theo có lẽ sẽ ít nói về những khẩu hiệu lớn mà tập trung nhiều hơn vào việc thực thi. Mô hình có thể giúp lựa chọn ứng viên tốt hơn không? Phòng thí nghiệm có thể tạo ra phản hồi đáng tin cậy không? Dữ liệu có thể được sử dụng lại không? Vật liệu và quy trình có thể được kiểm soát đủ tốt để phát triển hơn nữa không?
Đối với các công ty công nghệ sinh học, đây là lúc AI trở nên có giá trị. Không phải là sự thay thế cho công việc của các nhà khoa học, thử nghiệm hoặc sản xuất mà là một công cụ giúp đưa ra các quyết định sớm hơn và có nhiều bằng chứng hơn.
Sự phấn khích xung quanh việc phát hiện ra thuốc AI có thể sẽ tiếp tục vào năm 2026. Nhưng thị trường có thể trở nên chọn lọc hơn. Các dự án kết hợp thiết kế AI với thử nghiệm thực tế, tài liệu rõ ràng và lộ trình phát triển thực tế sẽ có cơ hội nổi bật hơn.
