← 返回首頁

Anthropic把Claude帶進科學工作台,AI製藥野心開始碰上實驗現實

Claude Science的重點不只是讓研究者用聊天介面查文獻、跑分析,而是Anthropic正把自己推向藥物發現的更深水區;當模型開始提出生物假說,真正的考題會轉向資料可追溯性、實驗驗證與臨床責任。

By SURL BioNews

生成式AI在生物醫學的角色,正從「協助寫作與整理資料」往實驗室工作流程內部移動。Anthropic近期推出Claude Science測試版,將Claude包裝成面向科學研究的工作台;更引人注意的是,外媒報導公司也準備啟動內部臨床前藥物發現計畫,讓AI不只輔助研究者,而是參與提出候選治療方向。

根據Anthropic公開說明,Claude Science不是一個全新的模型,而是一款供Claude Pro、Max、Team與Enterprise用戶使用的beta應用。它把常見科學工具、資料庫查詢、程式執行與視覺化功能整合在同一環境中,支援本機macOS、Linux工作流程,也可連到遠端或高效能運算環境。預設場景涵蓋基因體學、單細胞分析、蛋白質體學、結構生物學與化學資訊學等領域。

具體而言,這類工具可協助研究者處理單細胞RNA定序資料、設計CRISPR篩選、預測蛋白質結構、搜尋科學資料庫,或檢視化合物與分子模型。Anthropic稱,Claude Science可查詢超過60個科學資料庫,並透過NVIDIA BioNeMo Agent Toolkit連接Evo 2、Boltz-2、OpenFold3等生命科學模型與函式庫。產品頁也強調,系統可保存程式碼、環境與對話紀錄,讓分析從資料整理到論文草稿更容易追溯。

真正讓這項發布超出一般AI工具更新的,是Anthropic生命科學主管Eric Kauderer-Abrams據報在簡報中表示,公司將把Claude Science用於內部臨床前藥物發現,並把焦點放在被忽略疾病。這項說法若落實,代表Anthropic不再只是供應研究工具,而是嘗試進入候選藥物假說生成與早期研發決策。不過,目前公開資訊尚未說明將鎖定哪些疾病,也未交代實驗室工作、動物研究、臨床試驗、製造或商業合作將如何安排。

這也是AI製藥敘事最容易被高估的地方。模型能加快文獻整合、提出分子設計或篩選方向,甚至改善研究者在龐大資料集中的判讀效率;但一個看似合理的分子或標靶,仍必須通過可重複的濕實驗、毒性評估、藥物動力學、人體試驗與監管審查。外部專家對此類進展的態度通常並非否定AI,而是提醒:AI可以縮短某些探索環節,卻不能取代證據鏈本身。

Anthropic列出的早期案例包括Manifold Bio的標靶提名、Allen Institute的審查流程,以及UCSF與膠質瘤研究相關的工作。這些應用顯示Claude Science較像一個把資料、程式與科學模型串起來的研究作業層,而非單一「自動發明新藥」系統。對生物醫學研究者而言,價值可能在於減少繁瑣轉換與查找成本;對病人與監管機構而言,關鍵仍是這些流程是否能產生透明、可審核、可被獨立驗證的結果。

背景脈絡

近來AI製藥公司與大型模型供應商都在把故事從「模型能力」推向「研發管線」。這使競爭焦點逐漸改變:不是誰能展示最流暢的分子生成介面,而是誰能把演算法輸出的假說帶進實驗、臨床與法規標準。Claude Science的意義正在這個轉折點上浮現。它若只是更方便的科研助理,風險相對有限;若成為Anthropic自有藥物計畫的底層工作台,每一步資料來源、模型判斷與實驗驗證都將被更嚴格地檢視。

References

  1. Healthcare Digital
  2. Anthropic
  3. Claude by Anthropic
  4. The Verge
  5. The Times of India