AI製藥合作再下一城，Mankind把早期分子設計交給可驗證流程

在新藥研發成本高、失敗率也高的背景下，製藥公司對AI的興趣不只來自速度想像，更來自一個更實際的問題：能否在候選分子還沒進入昂貴實驗與臨床程序前，就更早淘汰不合適的設計。

印度製藥公司Mankind Pharma與Denovo Sciences宣布展開AI驅動的新藥發現合作。根據《經濟時報》報導，雙方將結合Denovo的AI平台與Mankind的研發及驗證基礎設施，用於早期藥物發現階段的分子生成、評估與優化。

這類合作的核心不是讓演算法單獨「發明」藥物，而是把模型放進一套人員參與的研發循環。AI可提出分子候選、預測部分性質或協助排序；研究團隊再依可合成性、活性、毒性風險與後續實驗結果調整方向。雙方所稱的human-in-the-loop模式，重點就在於讓計算輸出持續接受人類科學判斷與實驗回饋。

不過，目前公開資訊仍相當有限。報導未披露合作鎖定的疾病領域、藥物標的、使用資料集、模型性能指標，也未說明是否已有候選分子進入體外或動物驗證。因此，這筆合作較適合被理解為早期研發能力的部署，而不是某個具體藥物資產已獲得概念驗證。

對Mankind而言，這項安排可能有助於把AI工具嵌入既有研發流程，而非另起一條與實驗室脫節的技術線。對Denovo而言，與製藥公司的驗證平台銜接，則是AI藥物發現公司必須面對的關鍵門檻：模型提出的分子，最終仍要在生物實驗、藥物化學與製程現實中站得住腳。

**背景脈絡**

近年AI新藥發現從資本市場熱詞逐漸進入較嚴格的檢驗期。業界關心的問題已不只是模型能產生多少分子，而是這些分子是否可合成、是否有足夠選擇性、是否能在疾病相關模型中重現效果，並且在後續臨床開發中轉化為可判讀的療效與安全性訊號。

這也是此類合作最現實的限制所在。AI可以縮短搜尋與排序時間，卻不能替代濕實驗、臨床設計或監管審查。若未來雙方能公布具體標的、驗證數據與候選分子的推進節點，市場才有較清楚的依據判斷：這究竟是研發流程的效率改良，還是足以改變藥物發現成功率的更深層變化。