近年来，人工智能（AI）技术在药物发现领域的应用愈加广泛。它不仅能够识别潜在的药物靶点、预测蛋白质的折叠结构，还能够在庞大的化合物库中进行高效筛选，显著提升研发效率，加快药物从实验室走向市场的步伐。
然而，技术的迅猛发展也带来了一些隐忧。AI 在助力企业或研究团队取得初步成果的同时，也可能造成人们在缺乏真实世界测试数据的情况下就仓促申请专利，反而可能阻碍后续的深入研究，甚至影响其他科学家的相似研究。
针对这一现象，来自波士顿大学、杜克大学的两位法学教授 Janet Freilic 和 Arti K. Rai，在权威科学期刊 Science 的政策论坛（Policy Forum）上发表了一篇题为 What patents on AI-derived drugs reveal 的文章。
链接：https://www.science.org/doi/10.1126/science.adw1972
她们通过对比分析 AI 原生公司和传统药物开发公司申请的专利数据，探究了 AI 技术对药物研发和专利制度的影响。核心观点如下：
- AI 公司的专利申请往往缺乏体内实验数据：与传统药物研发公司相比，AI 公司在申请专利前进行的体内实验更少，这可能导致一些有潜力的药物因缺乏后续研究而被放弃。 AI 生成的分子可能阻碍专利申请和投资：AI 可以生成大量新的分子，而这些分子的公开可能会阻碍其他公司对这些分子进行专利申请，从而降低进一步研究的积极性。 需要采取措施鼓励更充分地披露和促进药物研发：她们建议提高专利申请的门槛，要求提供更多体内实验数据，并允许其他公司在 AI 生成的分子未经测试的情况下进行专利申请。此外，加强新药的临床试验阶段的监管独占权，以鼓励药物研发。
她们还呼吁，对 AI 在药物发现中的应用保持谨慎，虽然 AI 有潜力加速药物研发，但过早的专利申请和披露可能会阻碍创新。她们还建议，即使分子已被披露但未经过其他测试，也应允许其他人获得专利。
AI 公司专利：缺少体内实验，或阻碍他人创新
研究发现，AI 原生公司在申请小分子药物化合物专利时，体内实验的比例显著低于传统制药公司。即使进行了体内实验，AI 原生公司的专利所涉及的实验数量也较少。
在许多国家和地区，只要发明看起来并非完全不可行，即使缺乏或几乎没有证明分子（或任何发明）安全有效的物理证据，也可以获得专利。这使得 AI 原生公司可能会仅凭初步的计算机输出结果就申请专利，从而阻止大量化合物得到适当的测试。
她们发现，AI 原生公司的专利中仅有 23% 进行了体内实验，而对照组为 47%。AI 原生公司的专利平均测试了 0.8 个化合物（在每个专利中披露的化合物中，平均有 3.0% 经过了体内测试），而对照组平均测试了 3.1 个化合物（在每个专利中披露的化合物中，平均有 6.4% 经过了体内测试）。
此外，AI 原生公司的专利在体内 ADMET（吸收、分布、代谢、排泄、毒性）实验方面也显著低于对照组。仅 12% 的 AI 专利进行了体内 ADMET 实验，而对照组为 26%；且仅 1% 的 AI 专利披露了其药物的具体配方，而对照组为 14%。
这表明，AI 原生公司在申请专利时，进行的体内实验和开发工作较少，可能导致一些有潜力的化合物因缺乏进一步测试而被忽视。
风险及建议
与此同时，AI 生成的新分子一旦公开披露，也可能带来新的制度性障碍。由于专利制度通常只保护那些“新颖且未曾被披露”的发明，这些由 AI 生成、尚未验证的分子一旦申请专利，即便其创作者并未深入研究，也将成为“现有技术”，阻碍他人围绕这些分子的专利布局。
这意味着，即使某些化合物具有很高的临床潜力，一旦被 AI 原生公司“抢先披露”，反而可能因为缺乏后续专利空间，难以吸引投资或进入临床研究阶段。
研究还指出，虽然 AI 原生公司披露的分子数量并不比非 AI 公司更多，但在非 AI 公司的专利中，也常常包含数百甚至上千个分子。大语言模型（LLM）的广泛使用，进一步推高了专利撰写中分子的披露数量。
针对上述挑战，研究团队提出了一系列前瞻性建议。
首先，尽管 AI 原生公司在专利中提供的体内实验证据普遍较少，但考虑到样本数量有限、技术发展迅速，人们在对待这一现象时需要保持谨慎。即便 AI 模型确实提升了候选药物的命中率，这一优势也难以在专利文本中充分体现，因为大多数化合物专利并不公开其发现路径，更鲜有披露 AI 参与的细节。
此外，越具新颖性的 AI 生成分子，也越需要更高标准的实验证据来支撑其专利有效性。未经测试就获得专利的高新颖性分子可能永远不会被开发，因为其他公司会避开那些它们无法获得首个专利的分子，而公司目前更倾向于许可那些经过大量现实世界测试而降低了风险的专利或资产，因此这种许可可能很难实现。所以，有必要考虑提高申请专利的证据门槛。
AI 原生公司在其专利中披露的分子数量与非 AI 对照组相似，但披露的数量很大且可能会增加，这会导致披露的分子阻碍其他人对这些分子进行专利申请的情况。如果不阻碍这些分子的后续开发，披露新颖分子是有益的。
所以，为了鼓励分子披露的同时避免其弊端，研究团队建议即使分子已被披露但未经过其他测试，也应允许其他人获得专利。政策制定者可以延长新化合物通过临床试验后的监管保护期，这种激励措施不依赖于早期的信息公开。
最后，如果 AI 原生公司确实利用高质量模型替代了体内验证，应在专利中主动披露其 AI 推理逻辑与证据链。这不仅有助于建立市场信任，也能为政策制定者提供评估依据。
这些变化可能会使 AI 原生公司受益。它们在进行少量测试之前就对分子申请专利，这意味着必须在专利期限内进行进一步的审查——这可能是一个潜在的劣势。如果公司为了防止其他人率先披露或申请专利而提前申请，他们可能会支持使延迟申请更安全的政策变化。
从长远来看，一旦 AI 技术发展到足以稳定替代体内测试的阶段，其预测结果或将成为专利授权的“充分依据”。在此之前，制度设计应力求在保障公开价值与保护研发积极性之间，找到更合理的平衡点。
本文来自微信公众号“学术头条”（ID：SciTouTiao），作者：锦鲤，36氪经授权发布。
