‎斯坦福虚拟生物技术公司登《科学》，3.7万个AI智能体协作跑通药物研发全流程

全文概要
2026年9月17日，斯坦福大学James Zou团队在《科学》（Science）发表"Virtual Biotech"（虚拟生物技术公司）研究，用多达3.7万个AI智能体搭建了一家模仿真实药企组织架构的云端公司，从靶点发现、安全评估、剂型选择到临床策略全程由智能体协作完成，并同步获《自然》（Nature）长篇深度报道。系统一周内结构化标注约5.6万项临床试验，并归纳出"细胞类型特异性"与"双峰性"两条可预测药物成败的靶点规律；还独立提出一款针对肺癌蛋白B7-H3的抗体偶联药物（ADC）策略，与数月后真实药企获FDA突破性疗法认定的方案不谋而合。

---

1. 从"一个AI助手"到"一家AI公司"

传统AI制药大多是科研人员向单一模型提问，让它预测蛋白结构或分子对接；这种方法易产生幻觉，也难以驾驭药物研发这一跨学科、长链条的系统工程。斯坦福团队的反其道而行之处，在于没有追求一个"全知全能的超级单体"，而是用数万个分工明确的智能体，复刻了一家真实药企的组织架构。

这套系统设有一名"虚拟首席科学官"（CSO）作为中枢，其职责只有三件事：把科学问题拆成子任务、派发给专家智能体、综合结论——而CSO自己从不访问数据。CSO之下是靶点发现、安全评估、剂型选择、临床事务四个部门共8个科学家智能体，外加一名幕僚长与一名"只有只读权限"的科学审稿智能体。这套"编排者不碰数据、审稿人独立把关"的设计，被认为是整套系统能避免自我论证、保持结论可追责的关键。

2. 3.7万个智能体6小时干完1839小时的活

在最大规模的验证环节，系统一次性派出37,075个"临床试验员"智能体，各自负责一项II/III期试验，并行补齐了终点与不良事件率等自由文本里缺失的数据。同样的任务若由单个智能体串行执行需要约1839小时，并行后仅用6小时完成；随机抽取100项试验人工复核，主要终点一致率达89.7%。

基于新标注的数据，团队给每个靶点计算两个指标：tau指数（表达是否集中于单一细胞类型）与双峰性系数（表达是否呈开关式分布）。结果显示，靶点集中在单一细胞类型的药物，走到市场的概率比表达广泛的靶点高48%，不良事件率低32%，I期进入II期的概率高40%；且该效应在校正遗传证据后依然显著。研究还展示了两个真实决策场景：针对肺癌蛋白B7-H3，系统在审稿智能体拦下"空间信息缺失"后补做空间转录组分析，最终提出一款B7-H3 ADC策略，而一家真实药企数月后独立开发出同类策略并获FDA突破性疗法认定，构成第三方独立验证；针对抗OSMRβ单抗在溃疡性结肠炎中的失败试验，系统回溯方案后指出"入组未按OSMR表达分层"可能是失败原因，并给出了富集入组的改进方向。

3. 对医药研发的启示与边界

对从业者而言，这项工作的真正信号是AI在制药中的角色正从"科研助手"演变为"可分工、可审稿、可追责的自主科研团队"，其价值不在更强的单一模型，而在把药企的审稿与留痕制度固化进系统。但边界同样清晰：作者团队明确强调，AI生成的结论仍是"待验证的假设清单"，必须经过湿实验与人体临床试验检验；单次分析仅46—54美元的API成本固然惊人，却无法替代临床验证所需的漫长时间。这套系统的下一步，是把更多AI筛选出的靶点带进真实实验室，检验其预测有多少能落地。

来源：《科学》研究论文、《自然》深度报道、斯坦福大学医学院发布、Business Today等媒体报道

---

---

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。