首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

Anthropic刚买下「一人药企」,MSRA医学博士创业,让一个人带着Agent做临床

2026-11-18 1 阅读 约10分钟阅读 机器之心
分享:
字号:
机器之心发布 10 月下旬,Anthropic 披露了一笔不寻常的收购:Mithril Medicine,一家只有一名全职员工的药企。创始人用 Claude 处理合同、物流和 11 家外部实验室的实验协调,不到 18 个月,就把一种罕见肌营养不良的候选疗法从想法推进到小鼠身上的积极结果,他将这种模式称为 “Pipeline-in-a-Person”。 但这个故事停在了小鼠。按 Anthropic 的说法,即便数据持续成立,最快也要到 2028 年底才可能进入人体试验。这不只是个例:过去几年,AI 让靶点发现、分子生成不断提速,大量候选药物被做到临床试验门口,然后在同一道闸门前排队。从 “小鼠有效” 到 “人体给出答案”,才是新药研发里最贵、最慢、也最难靠单一更聪明模型加速的一段。 此前处于隐身状态的 CataX AI,把筹码押在了这里。创始人兼 CEO 王子龙早年便展现出极强的跨学科天赋:高一即凭全国生物联赛一等奖获得保送资格,高中累计包揽生物、物理、信息学三科四项竞赛一等奖,随后保送进入复旦大学攻读临床医学八年制博士学位;毕业后,他曾带队推进覆盖全国 155 家中心、超 4.7 万名受试者的前瞻性多中心研究,拿下国内最早一批国家药监局(NMPA)三类医疗 AI 器械注册证,后任微软亚洲研究院(MSRA)高级研究员。懂医学、懂模型,也亲历过严苛的监管注册,这种罕见的复合背景正是临床开发最稀缺的组合。 王子龙。图片来源:CataX AI 官网。 这家由创始团队与启明创投联合孵化的 Agent-Native Biotech 判断:AI 制药在分子端已经拥挤,真正的瓶颈在临床开发。它的答案有三层:用 Clin ical-o f-One 的新组织范式,让一名全栈临床负责人带着专业 Agent 挂帅人体临床项目;用 递归组织改进 ,让每个项目沉淀的经验变成下一个项目的能力;最终走向由 Agent 主导临床开发的 Virtual Pharma 。 一、分子在排队,闸门没有变宽 过去几年,AI 制药的叙事集中在分子生成速度上,成果也实打实:生成式 AI 发现的 TNIK 抑制剂已在 2025 年发表 2a 期随机对照结果,RFdiffusion 从头设计的抗体也完成了结构确认。 但下游的闸门没有同步变宽。据 Citeline 统计,2025 年 1 月全球处于临床前阶段的在研药物存量高达 12,704 个;而丁香园与 BCG 的分析显示,2025 全年全球新进入临床开发的新分子实体仅有 1,868 个。启明创投合伙人陈侃博士表示,过去几年中国临床前新药分子(PCC)的产出量已占到全球的 44%,急需一条高性价比通道跨过人体概念验证(PoC)的生死线:“如果人类今天停下所有新药分子的发现,光是实验室里攒下的存量,可能就足够全球临床体系消化整整十年。” AI 分子进入人体后的表现更说明问题。BCG 研究者发表在 Drug Discovery Today 的分析显示,AI 分子在早期安全性试验中成功率达 80%–90%,但一进入 PoC 阶段,成功率便跌回约 40% 的历史均值。算法擅长优化分子的理化性质,而从新药临床试验申请准备到早期 PoC,核心是转化医学与临床策略:在合适的病人身上,用对的剂量与终点读出人体有效信号。一款新药平均研发成本约 26 亿美元,其中临床阶段约占直接研发支出的七成。当更多分子涌向临床,下一轮效率跃迁必须发生在这里。 二、临床慢,不少是慢在组织 “医学决定我们为什么出发,而 AI 决定应该怎样去做。” 熟悉临床研发的王子龙深知,临床开发中除了观察期等客观约束,还有一笔由组织自己制造的延迟 —— “交接税” 。 医学、注册、生物统计、临床运营、数据管理各自持有项目事实的一部分。一项变更每穿过一道职能边界,就要重新解释、重新排队。最危险的损耗发生在 “理由” 的传递上:下游拿到了结论,却不知道它依赖哪些假设。例如设计一款炎症药物的 PoC 研究,为加快入组放宽入排标准可能稀释机制信号,为减轻访视负担调整采样可能干扰暴露量解读,每个局部决定都合理,叠加起来却可能让试验回答不了最初的科学问题。 执行阶段的决策延迟同样致命。CataX 联合创始人兼首席开发官蒋哲敏拥有 15 年以上临床开发与运营管理经验,曾参与并支持 50 余项临床研究,他以肿瘤 Ⅰ 期试验的剂量递增决策举例:当一个剂量组完成方案规定的观察后,研究团队需依照方案和相应审查机制,结合安全性、药代动力学及其他已有证据,判断是否进入下一剂量水平。“真正影响效率的,有时不是数据还没出来,而是不同职能无法及时基于同一份信息完成判断。等到决策形成、传递到研究中心,可能已经产生了不必要的等待。” 正如经济史学家 Paul David 对工厂电气化的研究:电动机刚取代蒸汽机时,车间仍围绕中央传动轴布置,生产率并无起色;直到拆掉传动轴、重排产线,新动力才真正释放。陈侃同样认为,在传统药企里靠 AI 穿透重重部门壁垒无异于推翻旧体系,不如从零建一家原生公司。“如果从第一天起,就让智能体深度在场,一家生物医药公司应该什么样?” 带着这个问题,王子龙离开微软亚研,开启创业。 三、Clinical-of-One:一人挂帅,不是一人包办 CataX 的解法叫 Clinical-of-One 。“One” 指统一的研发领导权:一名具备扎实临床功底、跨职能判断力的全栈临床负责人,像乐团指挥一样,从机制到证据持续掌握项目全貌。 在 CataX 的设计中,医学、注册、临床运营、统计等专业 Agent 负责起草文件、整合意见与一致性校验,所有工作共享同一份上下文,包括证据来源、版本历史与审计轨迹。平台还通过 API 和 MCP 逐步打通试验主档案(eTMF)、电子数据采集(EDC)等临床系统。负责人调整一条入排标准时,机制富集、入组速度与样本量假设会被一并摆上桌面,所有人基于同一份证据决策。 Clinical-of-One:一名全栈临床负责人带领专业 Agent,连接外部专家。 “一个人” 说的是谁负总责,活儿仍由专业人士完成:统计审核、医学监查、盲态管理、伦理审查与质量保证必须保持独立,这也符合 ICH E6 (R3) 规范 对申办方最终责任的明确要求。 Mithril 的经历印证了独立复核的必要 —— 其技术报告披露 Claude 起草邮件时曾出现事实错误。小鼠实验里的一封错邮件可以补救,人体试验的一处偏差却关乎受试者安全。在王子龙看来,“一人挂帅” 反而要求更强的基础设施:证据可溯源,权限与盲态边界清晰,异议能被听见,错误能被发现,另一个合格的人随时能接手。蒋哲敏则关注项目交接中的经验传递:“一项肿瘤临床试验可能持续数年,期间团队成员也会发生变化。即便关键决策都有记录,背后的判断依据和讨论过程也未必能够完整传递。我们希望不仅留下做了什么,还留下为什么这样做,让后来接手的人和 Agent 能够理解并复用这些经验。” 四、不卖工具,押资产 组织形态决定了商业模式。CataX 不向药企出售软件,而是自己下场做资产开发:通过引进或联合开发持有资产权益,依托中国丰富的患者资源和高效的临床入组,叠加 Clinical-of-One 的协同速度,高效推进至早期临床 P
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱