AlphaFold 走向臨床門口，AI 設計藥物準備接受人體考驗

當蛋白質結構預測從科學難題變成可用工具，藥物研發的下一道關卡也隨之浮現：AI 產生的分子，能否在人體內證明自己不是漂亮的計算結果，而是可被醫學信任的治療選項。據 WIRED 報導，從 Google DeepMind 分拆出的 Isomorphic Labs 表示，受 AlphaFold 相關技術支撐的 AI 設計藥物候選物，正朝首次人體試驗推進。

這項進展的具體生物醫學場景，是以 AI 輔助設計小分子或其他治療候選物，並將它們送入傳統藥物開發流程。Isomorphic Labs 的內部管線主要聚焦腫瘤學與免疫學；這兩個領域的共同特徵，是疾病機制複雜、靶點選擇困難，且臨床失敗成本極高。若 AI 能更快提出可合成、可結合靶點且具備成藥潛力的分子，最直接的價值不是替代臨床試驗，而是縮短進入臨床前後決策的時間。

公司的說法並非孤立出現。Isomorphic Labs 在 2025 年宣布 6 億美元外部融資時，已表示資金將用於建置下一代 AI 藥物設計引擎，並推進自有治療管線進入臨床開發；當時資料也提到，AlphaFold 3 是其統一 AI 藥物設計引擎的重要模型之一。到了 2026 年 5 月，公司又宣布完成 21 億美元 B 輪融資，稱 IsoDDE 藥物設計引擎已在內部項目達成關鍵里程碑，並以很快速度找出可行候選物。

合作版圖同樣顯示這家公司正從平台敘事轉向藥物開發。Isomorphic Labs 已確認與 Novartis、Eli Lilly 和 Johnson & Johnson 建立策略合作；較早的資料則已提到與 Lilly、Novartis 的合作項目。這類合作通常意味著 AI 公司不只提供模型展示，而是必須與藥廠的化學、藥理、毒理、製程與臨床團隊共同承擔驗證壓力。

不過，從「找到候選物」到「進入人體」之間仍有厚重的實驗層。現有公開資訊尚未提供候選藥的靶點、作用機制、疾病適應症、臨床試驗設計或完整臨床前數據。換言之，外界目前能確認的是公司正在把 AI 設計管線推向臨床轉譯階段；至於分子在人體中的安全性、藥效、劑量窗與可製造性，仍須由監管要求下的試驗資料回答。

背景脈絡

這也使 Isomorphic Labs 近期的人事與地理布局更有意義。2025 年 6 月，公司任命 Ben B. Wolf 醫師、博士為首席醫學長，並在美國麻州劍橋建立據點；公司將此定位為連結生醫人才與臨床開發基礎設施的營運樞紐。對一家源於 AI 研究的公司而言，這是從模型能力走向醫藥責任的典型轉換：臨床開發需要的不是更流暢的展示，而是能被稽核、重複、解釋並承受失敗的證據鏈。

因此，這則消息的意義不在於宣告 AI 已經改寫藥物研發，而在於它把問題推到更可驗證的位置。若第一批候選藥順利進入人體試驗，AI 藥物設計將面對與所有藥物相同的標準：病人是否受益，風險是否可控，證據是否足以說服醫師、患者與主管機關。