在2025年的预测季中，一项关于新兴人工智能驱动的药物发现领域的调研引起了广泛关注。
这份由斯坦福大学的Chris Bradbury总结的研究
报告，可能是迄今为止对这一快速发展领域的进展进行的最全面的公开回顾。
人工智能驱动的药物发现被分为四个不同的发展浪潮，为了解这项技术的进展提供了一个清晰的框架。尤其是最近的一次浪潮，强调了
两个关键趋势：（1）通过多模态、多尺度、组合的和自监督的方法，利用更多数据并从不同数据源中提取更多价值；（2）专注于更专业的管线，从而更有效地利用开发过程中的反馈。
报告还概括了当前和潜在的商业模式以及可能塑造人工智能药物研发未来的价值主张，并综合了最近一波公司的以下趋势：它们更加专业化，释放出与治疗相关的能力，专注于特定的疾病或治疗领域；打算更快地进入临床阶段（反映出更加专注的管线目标）；强调更高价值的适应症和真实世界临床资产的经济潜力。
这些见解提出的关键问题包括：
更快地进入临床阶段是否能促进更快地收集数据，从而形成加快创新的反馈回路；
端到端的模式
与整合
模式之间是否存在矛盾
；
模式即服务、数
据供应和实验室自动化领域的参与者是否有可能成为主导力量。
鉴于这种高度动态的格局，人工智能药物发现领域需要在法律/风险管理框架方面进行相应的创新，以确保：1）人工智能技术的价值得到保护和实现；2）对关键数据和技术进行适当的管理；3）这些目标与该领域最根本的目标同步推进：以更低的成本为更多患者提供更有效的药物。
我们早前对人工智能药物发现专利的审查发现，该领域的前景十分广阔。正在实施复杂知识产权战略的人工智能药物研发公司应考虑从技术堆栈的哪些部分获取价值，并利用开放的环境围绕这些关键部分建立专利组合。例如，模型开发者应考虑其架构中是否有竞争对手试图复制的关键部分，包括允许平台灵活部署到各类靶点和治疗领域的部分。（湿）实验室自动化公司应继续围绕其设备的结构和功能实施医疗设备型战略，但同时也要确保保护任何计算机视觉或其他传感器数据处理以及如何处理其专有技术的最终输出，以便交付给客户。
对所有公司而言，这将有助于在许可和合作交易中进行更有效的谈判，或向投资者证明其可保护性。
更广义地说，一个健全的知识产权战略应该平衡分配给专利和商业秘密的资源。同样，执行知识产权战略可能需要在技术和商业模式最关键的方面投入资金，而其他方面的成本则需要推迟。因此，以专利技术为主要价值的公司可能会将更多资源用于密集的专利组合，并辅以商业秘密保护；如果公司的价值在于合作、数据共享和/或战略合作伙伴关系，则可以考虑集中申请专利，以保护基础技术，支持许可和其他合作努力，同时依靠版权保护和保密条款来加强保护。
由于所管理数据的关键性以及与患者/医疗数据的潜在重叠性，这些数据保护方面的考虑在药物发现方面具有更高的重要性。
作为一个参考点，大多数LLM平台和在LLM基础上构建的开发商在如何代表客户管理这些关键领域的风险方面已经趋于成熟。例如，大多数从客户/用户处接收数据的公司都在宣传自己的安全认证（如SOC2等）、数据使用和模型训练的责任和透明度（即不使用商业许可下的客户数据训练模型；对模型输出不拥有所有权），以及在内部和与次级处理商之间执行保密规定。
人工智能药物发现领域的公司，无论是模型开发方还是客户/用户方，都应提供或寻求（如在尽职调查或许可谈判期间）类似的健全标准。此外，他们还应格外谨慎，确保在当前和未来使用任何受隐私义务约束的数据时获得适当的同意。随着越来越多的临床试验数据被整合到人工智能药物发现管线中，这一点将变得至关重要。例如，最新一批专注于高度相关数据生成的人工智能公司可能会为这些数据寻求更严格的合同和运营保护。
FDA预计将发布有关在药物开发中使用人工智能的指南草案（最初预计在2024年底发布）。早前的一份出版物强调要根据具体的使用环境来评估人工智能在药物开发中的风险。作为这种评估的一部分，强调的关键因素包括值得信赖和符合道德规范的人工智能、管理偏差、数据质量以及模型开发、性能、监测和验证。
考虑到这些因素，企业要想积极应对人工智能在药物研发中的潜在监管，就应该明确自身的风险状况，并根据风险状况确定流程和控制措施，以应对已识别的风险。企业可能需要特别强调验证，例如，在药物评估流程的某些方面至少部分由人工智能模型替代的情况下。
综上所述，人工智能药物发现公司的这些主要法律考虑因素表明，公司的法律战略应围绕以下几个方面展开：
-
确定
a）他们的价值主张是什么；b）有哪些数据、技术和人才支持该价值主张；以及 c）可能存在哪些特定用例风险。
-
-
公司应创建人工智能 / 数据管理团队和框架，使政策与针对已识别风险的具体控制措施保持一致。
-
在整个模型开发、测试和部署、敏感数据管理、许可和合作谈判以及投资和 / 或并购的尽职调查中执行这些基础工作。
-
通过建立和执行这一框架，下一代人工智能药物发现公司可以继续专注于其在数据、技术和目标方面的差异化，同时为许可和投资做好充分准备。
参考资料：
https://www.foley.com/insights/publications/2024/12/ai-drug-discovery-2025-outlook/
