【记者手记】
◎张佳星
记得两年前，某计算所学者告诉我，为了让智能算法走进药物筛选领域，自己经常自掏腰包，前往药学学术会议进行交流。他想用自己的研究结果告诉人们，过去需要数千小时的筛选工作，借助新技术几十小时就能完成。
当时，相信者寥寥。他的经历，让我脑中晃过一个词——“布道者”。新技术诞生后，不乏“布道者”。
2024年底，在我参加的多个药学相关学术会议中，人工智能、算法、模型等作为关键词在学术报告中频频被提及。在综述性报告中，一些落地见成效的成果见诸知名期刊；在学术分享报告中，不少新药物的研发已经在人工智能辅助下进入临床试验阶段。
值得一提的是，这些成功的案例多来自联合研究团队，这些学术会议的嘉宾也愈加背景多样，他们中有算法工程师、临床医学学者、药学学者、遗传学者……诚然，隔行依然隔山，不同学科的学术语言体系仍然存在隔阂。为了克服跨界融合的理解障碍，每一个时代的科研者都要不断学习新的研究体系。
一位受访者的感慨，可能代表着科技工作者的心声：在AI引发的技术革命浪潮中，研究者如果不行动起来，就是在等着被淘汰。
“日益复杂的科学问题需要探索跨学科团队合作的科研模式。”中国工程院院士、北京大学第三医院研究员董尓丹表示，尤其是在生物医学、健康等领域，要取得变革性研究成果，必须开展“有组织的科研”。
就像互联网打破了人类地域的概念，人工智能也在击碎“数据井”的壁垒。生成式人工智能能够处理的参数和数据以亿为单位。AI的能力正在倒逼不同来源的生物医学研究数据进行整合。如何提高数据的可访问性和互操作性，已经成为“有组织科研”的课题之一。
在我们身边，医疗数据的互认、共享正在成为常态；在保障数据安全的前提下，数据“柏林墙”正在被推倒……这些，为人工智能+医药领域“有组织的科研”奠定了数据基础。
相关部门也通过政策法规积极引导。国家卫生健康委等部门日前发布的《卫生健康行业人工智能应用场景参考指引》，从4大领域给出了84个应用场景，以推进卫生健康行业“人工智能+”的应用创新发展。
如今，再同前述的数据学者聊起来，他告诉我，智能计算的应用早已开始，他们提供技术支持的罕见病药物已经在等待临床试验许可，他们还在为免疫治疗药物敏感性进行评估、为老药寻找新的适应证……
从被拒门外到被热情拥抱，AI靠实力成为药物学家的常规工具。生命数字化的研究已经在如火如荼开展，模拟生命活动的精度在持续提高，生命活动的模拟和预测将带来什么，或许下一个两年就有眉目。
