Mankind與Denovo合作，AI新藥研發走向人機共審的新階段

新藥研發最昂貴的失敗，常常不是發生在臨床最後一哩，而是在更早之前：一個看似有希望的分子，經過合成、測試與反覆修正後，才顯露出活性不足、毒性疑慮或開發性不佳。Mankind Pharma與Denovo Sciences的新合作，正是瞄準這段漫長而不確定的早期藥物發現流程。

根據ETPharma與《The Economic Times》的報導，印度藥廠Mankind Pharma已與Denovo Sciences簽署合作，啟動一項以AI驅動的藥物發現計畫。雙方對外描述的目標，是縮短早期研發時間、提高先導化合物品質，並在更早階段篩出較有可能推進的候選分子。

這項合作的分工相當清楚：Mankind提供研發基礎設施，以及實驗與臨床驗證能力；Denovo則導入其客製化AI平台，用於產生並評估分子候選。換言之，AI在此不是單純用來寫出一批漂亮的化學結構，而是被放進一個需要被科學家檢查、修正、再驗證的研發迴路。

報導提到，雙方將採取「human-in-the-loop」模式，由AI提出並評分分子設計，再由研究人員依據生物學合理性、可合成性與後續驗證結果進行判斷。這樣的設計反映出目前AI製藥較務實的一面：模型可以擴大搜尋空間，但是否能成為藥物，仍要回到實驗資料、疾病機制與臨床轉譯的檢驗。

目前公開資訊仍有限。報導並未說明合作鎖定的疾病領域、標靶類型、訓練資料來源、模型驗證方式，或是否已有特定候選分子進入實驗測試。這些缺口很重要，因為AI藥物發現的真正門檻，往往不在能否生成分子，而在生成的分子能否被合成、能否在細胞或動物模型中重現預期效果，並在安全性與藥物動力學上站得住腳。

背景脈絡

近年製藥公司與AI藥物平台的合作愈來愈多，但產業評估標準也逐漸從「是否使用AI」轉向「AI在哪個研發環節產生可驗證價值」。若Mankind與Denovo的計畫能公開更具體的實驗進展，例如命中率改善、先導化合物優化速度，或與傳統篩選流程的比較，才更能說明這類合作是否具有可複製的研發效率。

對監管與臨床開發而言，AI本身不會替候選藥物取得捷徑。未來若有分子推進到臨床前或臨床階段，仍需依照既有規範提交品質、安全性與療效證據。這樁合作因此更像是一場前端研發流程的改造實驗：演算法可以加快提案，但最後留下來的，必須是經得起生物學與醫學驗證的候選藥物。