商傳媒｜康語柔／綜合外電報導

聖邁克爾學院（Saint Michael's College）校友 Pamela Carroll 正引領人工智慧（AI）在生技領域的突破性應用，旨在解決過去被認為「無藥可醫」（undruggable）的疾病驅動因素。她共同創立的同構實驗室（Isomorphic Labs）運用 AI 藥物設計引擎，透過電腦模擬（in silico）數兆次分子交互作用，並預計在今年底（2026年）展開首個由 AI 設計藥物的臨床試驗，為製藥產業帶來革命性變革。

Pamela Carroll 的職業生涯始於美國國家癌症研究所（National Cancer Institute），隨後在石溪大學（Stony Brook University）取得細胞生物學博士學位，並於史丹佛大學（Stanford University）完成遺傳學博士後研究。2000 年人類基因組計畫的公布，促使她轉向基因組學製藥領域。約十年前，她從大型製藥公司轉戰更具靈活性的生技產業，並積極投入生物科技的商業運營，致力於將科學突破轉化為實際治療。

她表示，她的專業背景涵蓋藥物開發、疾病生物學及商業知識，使其能在無需成為電腦科學家或 AI 專家的情况下，投身 AI 藥物發現領域。特別是在 AlphaFold 成功解決蛋白質摺疊問題後，她更堅定投入此一新興領域。她曾參與 AlphaFold 的團隊，該團隊的貢獻榮獲 2024 年諾貝爾化學獎。隨後，她於倫敦共同創立同構實驗室，其核心使命便是建構 AI 系統以革新藥物開發和疾病理解。

Pamela Carroll 指出：「傳統上，尋找單一藥物候選分子如同大海撈針，但如今這個草堆已如銀河般浩瀚。」而同構實驗室透過 AI 設計引擎，能夠模擬數兆次分子交互作用，不僅大幅加快製藥流程，更使其有能力解決以往人類研究人員無法攻克的「無藥可醫」疾病靶點。

儘管 AI 在藥物設計和化學合成方面已取得重大進展，但疾病生物學因其多尺度複雜性及生物/臨床數據本身的雜訊，仍構成更嚴峻的挑戰。Pamela Carroll 預期，未來十年內，人類將對疾病生物學有更深入的理解。科學家預計在未來幾年內，AI 將能開發出基礎模型，把藥物設計時程從目前的四到八年，縮短至僅一個月。雖然目前仍需要昂貴且耗時的實驗室驗證來測試 AI 模型準確性，但隨著技術發展，通用型 AI 藥物發現工具最終將走向商品化，讓科學家能更專注於解決特定問題，並透過加速且更低成本的藥物設計，降低藥物開發的高失敗風險。

然而，AI 融入生技領域也面臨資料安全與演算法完整性的關鍵考量。部分 AI 工具會學習個人基因與臨床資訊，因此需要建立完善的法律保障機制來保護隱私與所有權。此外，演算法偏見（algorithmic bias）對醫療公平性構成重大威脅，產業必須保持完全透明，確保所用資料的多元性足以反映病患的多樣性。