AI尋藥合作再添一案，SK Biopharm與Insilico留下的關鍵空白

藥物研發最昂貴的失敗，往往不是發生在電腦模型裡，而是在多年後才發現靶點不夠可靠、分子進不了正確組織，或人體疾病根本不照實驗假設前進。SK Biopharm與Insilico Medicine傳出合作開發AI藥物，真正值得拆解的，也不是「AI能不能設計分子」這句熟悉口號，而是藥廠如何把早期不確定性重新切成可交易、可驗證的階段。

據韓國媒體MK Business News報導摘要，SK Biopharm已與Insilico展開AI藥物發現合作；公開資訊目前相當有限，尚未清楚交代合作疾病領域、靶點數量、前期款、里程碑條件、候選藥物所有權，以及雙方在臨床開發上的分工。這些空白使外界難以判斷它究竟是平台試用、共同發現計畫，或是更接近授權選擇權的交易。

若合作延續近期AI製藥交易常見模式，Insilico可能負責前端的靶點辨識、疾病網絡分析與小分子設計，SK Biopharm則提供神經科學藥物開發經驗、疾病選擇與後續臨床判斷。不過，在缺乏完整公告前，這只能被視為合理推測；生物醫學上最關鍵的問題仍是：模型提出的靶點是否有足夠人體資料支持，候選分子是否能跨過藥物動力學、毒性與可製造性考驗。

AI在尋藥中的實際用途，通常不是直接「發明新藥」，而是壓縮幾個早期步驟：從多組學資料、文獻與疾病路徑中排序可能靶點，再生成或篩選可與靶點作用的分子，接著用實驗回饋修正模型。這套流程若做得好，可以讓團隊較快找到可測試的假說；若做得不好，也可能只是更快產生大量看似合理、卻缺乏疾病生物學支撐的分子。

背景脈絡

SK Biopharm本身以中樞神經系統藥物開發見長，這使任何與AI平台公司的合作都自然牽動神經疾病研發的想像。神經與免疫交會的疾病領域尤其誘人，因為未滿足醫療需求高、機制複雜，也因為動物模型與人體病程之間常有落差；AI若要在此證明價值，不能只交出新穎化學結構，還必須拿出能被實驗與臨床資料逐步支持的疾病定位。

監管端也不會因分子來自AI而降低門檻。候選藥物進入臨床前，仍需完成藥理、毒理、劑量、安全性與品質控制評估；進入人體試驗後，還要證明終點設計、病人分層與風險管理足以回答醫學問題。演算法可以加速提出候選項目，卻不能替代這些證據。

因此，這則消息目前更像是一個產業結構變化的切片：大型或專科藥廠不再只把AI視為內部工具，而是把平台公司的計算能力放入研發管線的前端。合作是否重要，最後不取決於交易標題，而取決於雙方是否能把AI產生的假說推進到可重複的實驗結果、可信的人體生物學，並在臨床上留下清楚答案。