AI尋藥合作熱潮下，SK Biopharm與Insilico把問題帶回神經疾病本身

AI製藥的故事，正從「能不能更快找到分子」轉向一個更困難的問題：這些分子是否真能碰到疾病的核心。據韓國媒體《每日經濟》報導，SK Biopharm與Insilico Medicine已就AI藥物發現展開合作；在公開資訊相當有限的情況下，這則消息更像是產業方向的訊號，而非一項足以改寫臨床版圖的突破。

SK Biopharm本身長期聚焦中樞神經系統疾病，旗下已有抗癲癇藥物商業化經驗；Insilico則以生成式AI、靶點發現與小分子設計平台建立能見度。兩者結合，合理推測是希望把AI工具用在早期研發的高風險環節，包括疾病靶點篩選、候選化合物設計與優化，以及後續實驗驗證前的優先排序。

但這類合作最容易被誤讀之處，也正在於「發現」二字。AI可以在大量分子結構、生物標記、文獻與實驗資料之間找出模式，提出人類研究團隊可能較晚才看見的假說；然而，在神經科學領域，疾病常牽涉多種細胞、免疫反應、血腦屏障、病程階段與個體差異。演算法提出的靶點或分子，仍必須經過細胞、動物模型、毒理、藥物動力學與人體試驗逐層檢驗。

目前可得的同事件資訊偏薄，尚未清楚揭露合作鎖定的具體疾病、資料集來源、候選靶點、分子類型、驗證時程或交易條款。這些空白很關鍵，因為AI尋藥能否真正降低失敗率，往往不取決於模型是否新穎，而取決於訓練資料是否貼近疾病生物學、實驗回饋是否足夠嚴格，以及公司是否願意在負面結果出現時調整假說。

背景脈絡

近年AI製藥公司與大型或中型藥廠合作頻繁，尤其在早期研發階段，藥廠希望借助外部平台分散探索成本，把高不確定性的靶點與化合物搜尋切成較小的驗證步驟。對神經與神經免疫疾病而言，這種策略有吸引力，因為傳統研發長期面臨臨床轉譯率低、動物模型預測力有限、病人分群困難等問題。

Insilico的角色也因此不只是「替藥廠找分子」。若合作深入到靶點生物學與疾病分型，它必須證明平台提出的假說能被實驗重現，並能在臨床前資料中顯示與疾病機制相符的訊號。若合作只停留在化合物生成與篩選，價值則更接近研發流程加速工具，離臨床成功仍有很長距離。

對SK Biopharm而言，AI合作提供的是擴展研發管線的入口，而不是立即可見的藥物成果。接下來真正能判斷這樁合作分量的，將不是合作新聞本身，而是是否公布明確適應症、候選分子進展、可重複的臨床前證據，以及未來能否走到監管機構可評估的人體試驗設計。