外媒評論認為，人工通用智能（AGI）被寄予提升藥物研發效率的期望，甚至有望幫助攻克更多疾病，但這一目標與現實應用仍存在不小距離。文章指出，AI在分子篩選、數據分析和臨床設計上確實展現出速度優勢，不過「更快」並不等於「能很快治愈疾病」。
AI已在药物發現中提速
文章提到，傳統藥物發現通常需要圍繞基因、蛋白質和分子結構反複試錯，研發週期長、成本高，很多突破帶有偶然性。AI的價值在於，能夠處理遠超人工能力的数据規模，並從複雜的蛋白質和分子關係中尋找更可行的候選方案。
作者引用學術研究稱，AI正在將過去依賴「運氣」的部分流程轉向更有結構的篩選方式。這類系統能更快識別潛在藥物組合，也有助於提高商業化候選藥物的發現效率。
成本和週期有望下降
另一項被引用的研究認為，AI輔助藥物研發已在患者招募、數據處理和臨床試驗設計上帶來效率提升，從而壓縮了部分開發成本和時間。對製藥行業來說，這一點尤其重要，因為新藥上市往往需要多年投入和高額資金。
如果 AI 能夠持續削減研發環節的資源消耗，理論上也可能緩解部分藥價壓力。文章認為，這也是市場對 AGI 醫療前景保持高度關注的重要原因之一。
臨床試驗和數據仍是瓶頸
不過，文章同時強調，AGI 即使能力持續提升，也無法繞開現實中的臨床試驗約束。藥物驗證最終仍涉及真實患者、倫理審查和長期觀察，這些環節很難被單純壓縮。
作者還指出，AI系統的效果取決於輸入數據的質量與完整性，而現有的醫學知識和臨床數據仍分散在不同的機構和系統中。AI可以幫助整合信息，但前提仍是獲得足夠的數據接入和明確的使用指引。
政策協同仍待推進
文章最後認為，醫療 AGI 若要進入更大規模的應用，除了技術進步，還需要更一致的政策安排和安全約束。原因在於，這類系統一旦進入疾病治療和臨床決策，影響的不僅是研發效率，也包括患者安全及責任劃分。
整體而言，這條評論並不否認 AGI 對醫療研發的推動作用，但核心判斷是，AI 更有可能先成為藥物發現和試驗設計的加速工具，而不是在短期內直接「解決所有疾病」。
