阿斯利康运用人工智能加速肿瘤药物研发

药物研发正产生前所未有的海量数据，促使阿斯利康等大型制药企业日益依赖人工智能进行分析。核心议题已从"人工智能能否发挥作用"转向"必须将其深度融入研究与临床工作流程以优化试验和治疗决策"。

这一战略优先事项是阿斯利康决定收购Modella AI的关键驱动力。该公司已达成协议收购这家波士顿人工智能初创企业，旨在拓展人工智能在肿瘤学研究和临床开发中的应用。交易财务细节未予公开。

阿斯利康将直接将Modella的预测模型、数据集及人员整合至其研究部门，而非将人工智能视为外部辅助工具。这种做法凸显了更广泛的行业趋势——随着制药商寻求在高度监管环境中加强对人工智能开发、验证和部署的控制，合作正演变为全面收购。

为何人工智能所有权在药物研发中日益重要

Modella AI专注于病理数据（包括活检图像）的计算分析，并将其研究结果与临床结局相关联。其技术旨在实现病理学的量化分析，帮助研究人员识别可能揭示潜在生物标志物或指导治疗策略的模式。

Modella在公开声明中确认，其基础模型和AI智能体将嵌入阿斯利康的肿瘤学研发项目，重点应用于临床开发和生物标志物识别领域。

阿斯利康如何推动AI合作全面整合

此次收购源于阿斯利康与Modella长达数年的合作，双方通过该合作评估了人工智能工具在制药公司研究生态系统中的实际效能。阿斯利康管理层表示，试用期表明需要更深入的整合才能实现最大效益。

阿斯利康首席财务官阿拉达娜·萨林在摩根大通医疗健康大会上表示，此次收购是将先进数据与人工智能能力内部化的战略举措。

Modella首席商务官加比·拉亚指出："肿瘤药物研发正变得日益复杂、数据密集且时间紧迫。"她补充道，成为阿斯利康旗下企业后，这些人工智能工具将得以在全球临床试验中实现大规模部署。

运用人工智能优化试验决策

萨林表示，此次收购将通过整合数据、模型和专家资源，为阿斯利康在定量病理学和生物标志物发现领域的努力提供"强劲动力"。尽管措辞雄心勃勃，其核心目标却很务实：加速将研究数据转化为可操作的洞察，从而优化试验设计和患者筛选。

关键应用领域之一是优化临床试验患者招募。更精准的患者-研究匹配可提升试验成功率，降低因延误或失败研究产生的成本。

此类成效的实现，与其依赖算法的复杂程度，不如取决于能否持续获取高质量数据，以及能否将工具无缝集成到现有研究流程中。

人才与工具向内部转移

该交易还凸显了大型制药企业对人工智能人才认知的重大转变。企业正逐步将数据科学家和机器学习专家纳入核心研发团队，而非外包专业知识。通过吸纳Modella团队，阿斯利康获得了对人工智能路线图的更大自主权，并能根据研究重点变化灵活调整工具配置。

阿斯利康指出，尽管制药商与科技公司的合作已成常态，但此次收购标志着大型药企首次全资并购人工智能公司。

阿斯利康加入拥挤的医药-AI合作领域

在同一场医疗健康会议上，多家企业宣布了新合作——包括英伟达与礼来斥资10亿美元建立新AI实验室，该实验室将采用英伟达最新硬件设备。

这些协议既反映了行业对人工智能日益高涨的热情，也揭示了不同的战略路径：合作模式利于快速实验，而收购则代表着对构建内部能力的长期承诺。对于受严格监管审查的企业而言，这种控制力与计算能力同样重要。

阿斯利康的下一轮押注

萨琳将前期合作称为"试驾"，并阐明公司最终目标是将Modella的数据、模型及团队内部化。她表示，此举旨在推动"高度靶向生物标志物的研发，进而实现高度靶向治疗"。

除Modella收购案外，萨林透露2026年将成为阿斯利康的活跃之年，多个治疗领域将迎来大量后期临床试验结果。公司同时正朝着2030年实现800亿美元年收入的目标稳步推进。

这些收购能否助力实现雄心壮志，关键在于执行力。将人工智能融入药物研发往往耗时长、成本高且操作复杂。但阿斯利康的举措传递出明确信念：真正的价值不在于将人工智能作为服务外包，而在于将其深度嵌入新药发现与测试的全流程。

另请参阅：艾利斯特·弗罗斯特：化解人才焦虑，助力AI整合成功

想向行业领袖学习人工智能与大数据知识？欢迎参加在阿姆斯特丹、加利福尼亚和伦敦举办的人工智能与大数据博览会。这场综合性活动隶属TechEx系列，与其他顶尖科技盛会同期举行。点击此处了解更多详情。

AI News由TechForge传媒提供支持。探索更多即将举办的企业技术活动与网络研讨会请点击此处。