《Clinical Pharmacology & Therapeutics》：From Executor to Orchestrator: The Pharmacology Scientist in the Age of Agentic AI
编辑推荐：
尽管计算技术历经五十年发展，药物开发生产率仍未得到提升，化合物进入I期临床试验后获得监管批准的概率仍维持在10%左右。每一轮自动化浪潮都提升了通量，却未突破解释瓶颈：无论上游数据积累速度如何，科学家始终负责提出问题、评估输出结果并做出推进决策。具备推理、规划及
尽管计算技术历经五十年发展，药物开发生产率仍未得到提升，化合物进入I期临床试验后获得监管批准的概率仍维持在10%左右。每一轮自动化浪潮都提升了通量，却未突破解释瓶颈：无论上游数据积累速度如何，科学家始终负责提出问题、评估输出结果并做出推进决策。具备推理、规划及无需持续人工指令即可执行多步分析能力的智能体人工智能（Agentic AI）系统，是首类具备压缩该瓶颈架构潜力的普适性计算工具，但其影响远超效率层面。随着计算系统开始承担此前需人类判断的解释、执行与评估环节，科学家的贡献从开展分析转向制定足够精确以支持自主执行的目标，以及评估难以独立验证的建议。这种转变能否提升整体生产率，取决于自主系统是否针对临床失败的根本原因——包括疗效不足、安全性预测不充分及临床前转化不佳——发挥作用，而非仅加速周边分析工作。本综述探讨此类系统进入常规实践后临床药理学科学家所需实现的角色转型。有效编排所需的胜任力与传统药学培训所强调的内容存在差异，现有治理结构亦未涵盖将科学判断委托给自主系统所伴随的失效模式。这一转变究竟会提升生产率还是引入新的失效模式，取决于该领域尚未开展的治理与培训投入。
HISTORICAL CONTEXT
研究人员将计算系统与药学科学家的关系演进划分为四个技术世代。Wave 1（1964–1985）以定量构效关系（QSAR）和结构基计算化学为核心。Hansch和Fujita提出的线性自由能方法实现了取代基疏水性、电子特性及空间位阻贡献的分解与量化，支持同源系列内结构修饰对活性影响的理性预测。Kuntz团队开发的DOCK算法首次实现基于形状互补的配体-受体结合预测，AutoDock、GOLD和Glide等平台至21世纪初已确立虚拟筛选的标准基础设施地位。此阶段计算工具虽增强人类分析能力，但模型构建、参数选择及预测实验验证评估仍完全依赖研究者判断。值得注意的是，理性预测能力并非天然局限于有益应用，埃托啡（etorphine）及卡芬太尼（carfentanil）等超高 potency 镇痛药的开发，凸显了AI辅助设计在高通量下的双刃剑效应。
Wave 2（1986–2009）聚焦高通量自动化。辉瑞1986年启动天然产物高通量筛选（HTS），至1989年周处理化合物量达数千个。同时，吸收、分布、代谢、排泄（ADME）前置策略成为行业共识，微粒体稳定性、膜渗透性、CYP抑制及血浆蛋白结合等标准化检测级联成为先导优化常规环节，推动药代动力学相关临床失败占比从1991年的约40%降至2000年的约10%。生理药代动力学（PBPK）建模从理论框架发展为成熟商业平台，支持特殊人群剂量选择及药物相互作用预测，并被FDA和EMA纳入审评流程；但口服生物利用度预测仍面临挑战，亲脂性化合物的平均绝对预测误差达34–45%。此阶段还确立了定量药理学学科地位，群体药代动力学（popPK）、药代动力学-药效动力学（PK/PD）分析及定量系统药理学（QSP）模型成为连接暴露-响应关系与临床剂量推荐的核心工具。尽管通量实现数量级提升，研究者仍是解释环节的限速步骤。
Wave 3（2010–2022）以预测性机器学习（ML）为特征。深度学习（DL）架构能够从数据中直接学习层次化表征，图神经网络（GNN）则直接从原子连接关系学习分子表征，在代谢稳定性及CYP抑制等端点预测中优于传统指纹随机森林模型。工业界基准测试显示，图卷积架构在时序泛化能力上表现更优，迁移学习和多任务预训练进一步提升了模型性能。然而，此阶段的ML模型本质是“精密预言机”：科学家提出查询，模型返回预测，人类负责解读输出并决策。药物相关生物数据规模有限、质量参差，多数模型在域内表现优异但难以外推至新型化学系列。BenevolentAI的BEN-2293、Exscientia的EXS-21546及Recursion Pharmaceuticals多个项目的临床受挫，均凸显了回顾性基准性能与前瞻性临床价值之间的鸿沟。
Wave 4（2023–至今）标志着智能体人工智能时代的到来。此类系统能够接收高层级科学目标，自主分解为可处理子问题，并通过应用程序编程接口（API）调用数据库、统计软件及专业工具等资源。其核心突破在于将此前由人类科学家承担的诠释与执行环节纳入委托范畴：智能体接收目标、规划路径、选择工具、评估中间结果并迭代优化，人类仅需定义目标与评估最终输出。但这种自主性存在风险：多步推理可靠性不稳定，错误可能在序列步骤中隐蔽传播导致“静默失效”。当前工业界对其在制药工作流中的系统性表征仍有限，近期部署案例显示其性能易受查询措辞细微变化影响。因此，在扩展智能体自主权前，研究人员需审慎评估中间输出，界定足够受限的问题边界以建立实证信任。
EVIDENCE ACROSS DRUG DEVELOPMENT
智能体AI在制药领域的证据基础仍处于早期，多数发表案例为概念验证，前瞻性验证显著滞后于回顾性基准测试。靶点识别与验证方面，BenevolentAI知识图谱平台在SARS-CoV-2基因组发布48小时内识别出巴瑞替尼（baricitinib）的治疗潜力，后续ACTT-2及COV-BARRIER试验证实其缩短恢复时间、降低死亡率的效果，并获得FDA紧急使用授权。但该案例受益于疫情特殊背景、药物既往安全性数据充分及应急监管路径等独特条件，其在常规开发中推广价值尚不确定。表型筛选平台与生成式化学技术的结合已实现21天内完成DDR1激酶抑制剂从靶点到生化验证的闭环优化。
先导优化方面，英矽智能（Insilico Medicine）的Rentosertib（ISM001-055）项目展示了智能体辅助的潜力：特发性肺纤维化治疗靶点TNIK从识别到临床候选化合物仅耗时约18个月，远快于行业平均的4–6年。2025年6月公布的IIa期结果显示，71例患者随机对照试验中，60 mg每日一次给药组用力肺活量（FVC）平均改善98.4 mL，而安慰剂组下降20.3 mL，成为首个AI设计分子联合AI识别靶点并在随机试验中证实临床疗效的案例。自驱动实验室平台已在合成化学场景展示闭环优化能力，但制药规模化部署及主流药企常规应用的同行评议证据仍有限。
ADME与安全性预测方面，图卷积神经网络（GCN）通过学习原子连接关系提升端点预测准确性。赛诺菲基准测试显示，GCN在人肝微粒体固有清除率（CLint）及CYP3A4抑制（IC50）预测中时序稳定性优于多层感知机（MLP）及Mol2Vec表征。杨森企业级gTPP模型采用GCN架构，基于每端点1000–10000个内部化合物训练，在18项早期ADME属性预测中优于商业工具。但口服生物利用度预测仍具挑战性，即使整合PBPK与ML，亲脂性化合物平均绝对预测误差仍达34–45%。基础模型在多任务ADME预测中展现潜力，但改进的计算精度转化为更佳化合物推进决策的前瞻性证据仍匮乏。
临床开发阶段因患者安全要求高、监管复杂及多利益相关方协调难度大，成为最具挑战性的编排场景。真实世界数据构建的外部对照臂为伦理或可行性受限的随机化提供了替代方案，2015–2020年FDA及EMA批准的13项肿瘤适应症已纳入此类证据，但监管机构持续关注选择偏倚、混杂因素及终点定义可比性问题。监管框架正逐步适配：FDA 2025年1月发布草案指南，建立AI可信度风险评估框架；FDA与EMA联合发布药物全生命周期AI应用指导原则；ICH M15指南（2026年1月Step 4采纳）确立模型引导的药物开发通用框架，明确容纳AI/ML方法并采用与预期用途匹配的风险分层评估路径。AI辅助popPK建模及整合转化建模正在成为新兴编排场景，包括细胞疗法等新模态的剂量优化。科学家-编排者需面对更高阶的判断需求：精准设定患者匹配算法目标以避免选择偏倚，在无法获取个体数据时对外部对照臂有效性进行评估，并根据罕见病或小众人群的特定风险收益比调整AI辅助安全性信号检测的阈值。
技术局限性方面，学术基准的精良性能与制药数据环境的稳健表现存在显著差异。大语言模型（LLM）在多步推理中表现不稳定，自我纠错能力不可靠，错误可能沿推理链隐蔽传播。制药数据普遍存在记录不完整、检测条件不一致、实验方案动态演变及化学系列转换带来的分布偏移，导致模型在基准数据集上的85%准确率在实际开发中可能大幅下降。可解释AI模型的系统性评估表明，前瞻性验证是将基准性能转化为现实决策支持的关键。组织应在投入大量资源前，要求在与实际应用场景一致的数据域中进行前瞻性测试，并通过独立方法交叉验证识别模型特异性偏差。校准的不确定性量化及明确的适用性域（applicability domain）评估是当前系统需加强的核心能力。
WHAT ORCHESTRATION REQUIRES
新胜任力方面，传统药学培训侧重执行能力，而编排者角色需要截然不同的技能集。问题构建需将复杂目标分解为智能体可处理的子问题，设定足够精确的自主评估成功标准，预判需人工干预的失效模式与边缘案例。例如，指令“改善代谢稳定性”缺乏约束，而“人肝微粒体CLint低于5 μL/min/mg且最多修改两个代谢软位点”则提供可操作边界。数据分析需在不重新执行的情况下评估智能体输出，判断结果是否在适用性域内，区分置信错误与合理不确定性。质量评估需基于智能体在特定场景的跟踪记录校准信任，识别不当置信，并借鉴软件验证原则设计测试用例。决策制定需明确可接受解的空间约束，评估AI应用于特定项目或端点的成本收益。沟通需掌握面向智能体的高效提示与规范撰写，为审计追踪完整记录生成过程。评估输出本身可能成为新瓶颈，尤其在输出冗长复杂时。
专业知识风险方面，通过亲手生成和解读数千张色谱图、核磁共振谱或浓度-时间曲线积累的隐性知识难以言传。仅审查最终剂量预测而不审视中间参数估计与敏感性分析的编排者，可能无法察觉仅在过程层面显现的重大错误。广度-深度的权衡尤为突出：跨合成化学、ADME科学、定量药理学及监管事务的统筹需要广博知识，但广度可能牺牲单领域的深度专长，导致无法识别深层错误。班福德（Bainbridge）提出的“自动化悖论”在此同样适用：自动化消除了常规任务，却将困难判断留给人类操作员，而长期自动化运行导致相关技能萎缩，恰在需要时出现能力退化。
培训缺口方面，现行研究生教育仍以执行能力为核心，编排能力未被系统纳入课程。行业入职培训假设实验或计算能力是职业发展的基石，晋升机制奖励垂直领域深耕。现有培训多聚焦AI开发者的方法学能力，而广大一线科学家作为智能体使用者的编排能力培养近乎空白。组织需警惕：无法有效设定目标、批判性评估输出或识别需人工干预场景的科学家，可能带来效率增益被 undetected 错误抵消的风险。建议借鉴飞行员资质管理经验，要求编排者在承担监督职责前具备手动执行能力证明，并通过定期手动练习、轮岗传统工作流及制度化隐性知识文档化来维持核心技能。
RISKS AND FAILURE MODES
自动化偏倚表现为操作者倾向于不加批判地接受自动化建议，尤其在系统呈现高置信度输出时。医疗领域研究显示，AI建议对诊断准确性的影响甚至超过提供者经验与资质：正确建议使正确决策概率提升10倍，但错误建议同样显著降低准确性。制药场景中，此类偏倚可能导致化合物推进、模型参数化或监管策略制定的系统性偏差。结构性对策包括明确分配人类问责制——科学家需对自身基于AI输出的决策承担专业与监管责任，这比单纯技术培训更能促进审慎评估。
技能退化指自动化接管常规执行后，从业者手动操作能力出现非自愿性萎缩。仅通过AI摘要接触数据的年轻科学家可能无法积累识别异常输出所需的隐性知识。当具备手动工作流经验的资深科学家退休后，评估AI输出物理生化合理性的机构知识可能流失。文档化无法完全替代隐性专长，因为最关键的边缘案例恰恰是最难预先规范的情景。
问责缺口体现在AI辅助决策导致损害时，现有监管法律框架难以归因。尽管“行动者担责”原则可明确科学家对基于AI输出的决策负责，但在多智能体、多人类参与的复杂工作流中，识别具体缺陷环节仍具分析复杂性。需在决策前明确各阶段所有权，而非事后追溯，并建立超越“黑箱”算法的决策透明度。
新兴系统性风险包括同质化与相关性错误：全行业趋同于相似基础模型、训练数据与算法，将导致独立开发本可避免的错误高度相关。若多家药企依赖同一AI架构进行ADME预测，训练数据中的系统性偏差将同步影响多个开发项目。反馈循环与模型坍塌风险则源于AI系统递归训练于自身生成数据，导致原始数据分布尾部特征丢失，输出日益狭窄。随着AI设计分子进入下一代模型训练集，区分真实发现与训练伪影的难度将持续增加。对抗性漏洞亦不容忽视：精心构造的输入可操纵AI系统，制药数据环境中的训练数据投毒、文献篡改及对抗性分子结构设计均为潜在攻击面，而AI推理过程的黑箱特性可能延迟攻击检测。
IMPLICATIONS FOR PRACTICE AND TRAINING
劳动力构成方面，AI承担常规分析任务后，组织可能需要更少窄领域深耕科学家，更多兼具领域知识与AI能力的复合型人才。但效率增益可能被评估与治理成本部分抵消，且保留具备深度执行经验以评估AI输出的资深人才成本高昂。现有晋升体系奖励垂直领域专精与技术产出，编排能力尚未被纳入评估框架。资源受限与竞争压力下，组织易将自动化视为降本工具，削减验证、监督与培训投入，反而加剧制度性自动化偏倚风险。
组织结构方面，AI能力建设面临集中管理与嵌入式部署的权衡：前者利于专业化与治理一致性，但可能造成瓶颈及与领域需求脱节；后者利于工作流整合，但易导致实践碎片化与重复建设。决策所有权需明确界定以平衡效率与责任清晰度。现有质量体系、合规框架及文件控制流程均预设人类作者与审核，需适配智能体生成内容的验证范式，从关注单个分析结果转向评估AI系统整体性能。
培训与职业发展方面，编排能力无法通过说教获得，必须依托实践积累。研究生教育需在夯实传统技术基础的同时，引入编排工作流实训与典型AI失效模式认知。核心原则是编排能力应建立在已验证的执行能力之上，而非取而代之。组织应投资定期手动分析、无AI演练及能力演示，以维持“低频刚需”技能。隐性知识文档化需聚焦最具潜在后果的失效模式，而非追求不切全面的全量捕获。
GOVERNANCE FRAMEWORK
人机协作原则需基于决策风险等级、可逆性及置信度校准明确划定边界，而非仅依据技术可行性。可采用渐进式自主权框架：随系统置信度与历史记录积累逐步扩大自主范围。验证检查点应设置在错误下游影响最大且人类判断能创造实质价值的环节，例如在接受用于人体剂量预测的PBPK参数前，必须评估生理合理性、与已知清除机制的一致性及相对于早期开发阶段实测数据的预测折返误差。系统需提供校准的置信度估计而非仅点预测，并明确标识接近训练分布边界的运行状态。需通过技术设计与组织文化双重保障人类覆盖能力，鼓励科学家质疑AI输出而无职业顾虑，并将覆盖决策纳入系统迭代优化而非绩效负面指标。成本收益评估需前瞻性核算审查负担，而非仅关注生成速度。
监管考量方面，现有FDA与EMA的AI指南主要针对预测模型，未充分覆盖自主推理系统的链式决策、外部数据访问及输出难验证等特征。FDA-EMA联合指导原则及ICH M15为框架发展奠定基础，但实施细则与执法机制仍需完善。跨司法辖区监管要求差异可能给跨国开发项目带来合规复杂性，业界需与监管机构积极协作以促进合理协调。文档规范需超越输出结果本身，完整记录AI系统版本、输入提示、运行时间及推理路径，以满足类似计算提交的可重现性要求。
CONCLUSIONS
编排者范式代表了临床药理学科学家职业角色的真正转型，而非能力的渐进式增强。智能体系统首次有望压缩解释瓶颈，但其最终影响取决于领域的应对方式。不加批判的采纳将面临自动化偏倚、技能进行性萎缩及现有治理框架未能覆盖的问责缺口风险；而 reflexively 抵制则将错失加速未满足临床需求药物开发的真实效率增益。恰当路径在于二者间的平衡：在捕获AI能力的同时，审慎整合以保留人类判断、领域专长与实质性监督。支撑负责任AI编排的胜任力、治理结构与培训项目不会从现有体制中自发产生。专业学会需界定编排能力标准、开发评估框架、创建教育资源并促进最佳实践共享；监管机构需出台针对智能体工作流的专项指南，明确自主推理系统的文档与验证要求，厘清问责预期；组织需投资治理架构而非仅AI部署本身，建立适配技术的角色与问责机制，并支持基础技能的刻意维持；教育者需重构课程体系，将编排能力与传统基础并重，为在职科学家提供继续教育路径，并平衡AI素养与领域专长。加速惠及患者的治疗开发始终是核心目标，编排者范式提供了可行路径，但这要求领域在人类判断力上的投入与计算能力上的投入同等坚定。
