AI制药正试图用数据闭环来破解Eroom定律——新药研发成本每9年翻一番的魔咒。
发生了什么
MIT Tech Review报道指出，药物发现是一项高成本、高风险的事业，且面临首动优势日益凸显的市场压力。自1950年代以来，新药研发成本大约每9年翻一番，这一现象被称为Eroom定律。如今，一款新药上市平均需要10-15年，成本高达数十亿美元。报道聚焦于AI驱动的药物发现如何通过“关闭数据循环”来提升效率——即利用实验数据反馈不断优化AI模型，形成迭代闭环。
为什么重要
Eroom定律揭示了传统药物研发效率的持续下降，而AI被视为打破这一趋势的关键。然而，AI模型的有效性高度依赖训练数据的质量和数量。在药物发现领域，公开数据往往稀疏、噪声大且存在偏差。数据闭环的核心在于：将AI预测结果投入实验验证，再将实验结果反馈回模型，从而持续改进预测能力。这种闭环机制能够逐步减少对大规模标注数据的依赖，同时提升模型在真实场景中的泛化能力。如果成功，它有望显著缩短药物发现周期、降低失败率，从而逆转Eroom定律的长期趋势。
影响与看点
对制药行业而言，数据闭环意味着研发模式从“一次性实验”转向“持续学习”。拥有强大实验能力和数据基础设施的大型药企可能率先受益，但小型生物技术公司也能通过与CRO（合同研究组织）合作获取闭环数据。对AI开发者来说，关键挑战在于设计高效的实验反馈机制，以及处理稀疏、异质的生物数据。值得关注的是，数据闭环是否会在特定治疗领域（如肿瘤、罕见病）率先取得突破，以及如何解决数据隐私和共享问题。独立判断：数据闭环是AI制药从“概念验证”走向“规模应用”的关键一步，但其真正价值取决于能否在真实研发管线中实现持续、可量化的效率提升。
