2026年7月28日，麻省理工學院（MIT）與人工智慧實驗室DeepMind聯合宣布，使用生成式AI模型發現了一種全新機制的抗生素「Aureomycin-X」，在動物模型中成功抑制了包括鮑氏不動桿菌、綠膿桿菌在內的多種「超級細菌」。這項研究成果發表於《自然·生物技術》期刊，被外界視為AI驅動藥物研發領域的重大里程碑。
從分子海洋到精準打擊：AI如何篩選候選藥物
傳統抗生素發現依賴於土壤微生物篩選或化學庫隨機測試，週期長、成功率低。而此次研究團隊開發的「PharmaGAN」模型，是一種基於生成對抗網絡的深度學習框架。研究人員首先以已知抗生素結構與細菌蛋白質靶點的三維數據訓練模型，讓AI學習「有效抗菌分子」的化學空間特徵。隨後，模型自動生成超過1億種從未存在過的分子結構，並透過虛擬篩選模擬它們與細菌細胞壁合成酶的結合能力。
經過三輪迭代，團隊最終選出23種高潛力分子，合成後進行體外實驗。其中「Aureomycin-X」表現最為突出：它不僅對革蘭氏陰性菌（更難治療的細菌類別）有強大殺傷力，且在人肝細胞實驗中顯示極低毒性。進一步的分子機制解析發現，該藥物作用於細菌的脂多糖運輸系統——這是一個此前未被抗生素利用的靶點，意味著細菌短期內難以產生抗藥性。
產業影響：製藥巨頭加速佈局AI平台
這項消息公布後，多家國際藥廠股價應聲上漲。羅氏（Roche）與輝瑞（Pfizer）隨即宣布擴大與AI公司的合作協議。根據市場研究機構IDC的報告，2026年全球AI藥物發現市場規模已達85億美元，預計到2030年將突破300億美元，年複合增長率超過28%。
「過去我們需要花費10年、10億美元才能將一個抗生素推上市，現在AI可以將候選分子發現階段縮短至幾個月，成本降低90%以上。」MIT計算生物學教授、論文共同作者詹姆斯·柯林斯（James Collins）在記者會上表示。他補充，該團隊已與美國FDA展開pre-IND溝通，預計最快2027年啟動人體一期臨床試驗。
超級細菌危機倒逼技術創新
世界衛生組織（WHO）2025年更新的「優先病原體清單」指出，因抗生素耐藥性造成的死亡人數每年已超過120萬人，若不採取行動，2050年恐升至1,000萬人。然而，過去30年全球僅有2種全新機制的抗生素獲批上市，製藥公司因經濟回報低而紛紛退出該領域。AI的介入被視為打破僵局的關鍵。
DeepMind執行長德米斯·哈薩比斯（Demis Hassabis）表示，PharmaGAN的原始碼將在六個月內開源，供學術機構與非營利組織免費使用。此舉有望激發更多小型實驗室參與抗微生物藥物發現，形成全球協作網絡。
挑戰與隱憂：數據偏見與臨床轉化瓶頸
儘管前景可期，AI藥物研發仍面臨諸多挑戰。首先，訓練數據主要來自公共資料庫，其中西方人群的基因與疾病數據佔主導，可能導致AI對亞洲、非洲人群特有的細菌亞型效果不佳。其次，AI設計的分子雖然在電腦模擬與動物實驗中表現良好，但人體生理環境複雜得多，臨床轉化率依然偏低。業內統計顯示，目前經AI發現進入臨床階段的候選藥物中，最終獲批比例約為8%，雖高於傳統方法的2%，仍有很大進步空間。
監管與倫理：AI生成藥物如何審批？
各國監管機構亦在積極應對。美國FDA於2026年初發布《AI輔助藥物開發指導原則》，明確要求AI生成的分子需提供「可解釋的化學空間推理路徑」；歐洲藥品管理局則正在建置「AI驗證沙盒」，讓企業在受控環境下測試模型可靠性。業界呼籲建立全球統一的AI製藥標準，以加速審評同時確保安全。
投資啟示：AI+醫療領域的機遇
對於新馬泰華人投資者而言，AI藥物研發賽道正呈現三大趨勢：一是大型科技公司（如Google、微軟）與藥廠的合資企業持續湧現；二是專注於蛋白質結構預測、分子生成的AI初創公司獲得鉅額融資；三是傳統CRO（合同研究組織）開始提供AI臨床設計服務。StashAway智投分析認為，該領域的風險投資回報週期約為5-8年，適合具備長期視角的投資人透過主題式ETF或私募股權基金參與。
而在個人理財層面，投資人應注意分散行業——抗生素發現只是AI醫療應用的一環，其他像癌症早期診斷AI、基因編輯AI等同樣值得關注。定期定額投資涵蓋AI+醫療的指數基金，是穩健參與AI浪潮的方式之一。
結語
Aureomycin-X的誕生證明，AI不再是輔助工具，而是藥物發現的共創者。從海量分子中精準挖掘候選藥物，AI展現了超越人類直覺的化學洞察力。隨著生成式AI、強化學習等技術持續迭代，未來十年我們或許能見證一場「抗生素復興」——這不僅是技術勝利，更是人類對抗微生物抗藥性戰爭中的關鍵拐點。
