如果我們試圖描繪目前人工智慧（AI）驅動藥物開發的全貌，可能會讓人聯想到歐仁·德拉克羅瓦（Eugène Delacroix）的《自由引導人民》。這個產業引頸盼望的那束曙光雖慢慢浮現，但身處估值變動、投資人期望提升，以及計算能力與臨床執行落差日益加劇的環境下，企業們在遍布倒下新創的質疑聲浪中破浪前行，產業資本早期對 AI 導入生技製藥的熱情，早已轉變為「拿出證據」等更嚴苛的要求，然而，對能夠以實績回應的公司而言，機會仍在。
市場如今在乎的是，AI 藥物研發公司能否交付臨床試驗成果，並非早先只重視假說或某些空泛的說法，而在期待標準重新調整的大潮流下，兩個月前，Najat Khan 博士接過創辦人 Chris Gibson 手中的大旗，繼任 Recursion 執行長，擎舉 AI 新藥開發的大纛持續向前。
在接受基因線上獨家專訪時，她向筆者提到近期 TUPELO 研究的數據，REC-4881 在罕見疾病，家族性腺瘤性瘜肉症（FAP, Familial Adenomatous Polyposis）患者中，除了降低瘜肉負荷外，於停藥 12 週後，仍有 82% 的患者維持效果。
紅杏枝頭春意鬧固然是眾人所追求的風景，但青蘿拂行衣更能湧生感嘆。在一個常以計算能力與平台潛力來定義的領域，前述結果確實可算得上具體的臨床進展證據，而在挑戰罕病藥物開發的企業以及宛若鬧市、大小廠商追求的 AI 設計新藥趨勢中，是什麼讓 Recursion 與眾不同？我想，以非傳統方式誕生的 REC-4881 正是故事的起點。
Recursion 表型體學如何顯露未被發現的 FAP「新生物學」
REC-4881 並非源自傳統的「以標的為優先」的藥物篩選策略，而是出自 Recursion 的表型體學平台（phenomics platform），透過該平台，Recursion 揭曉抑制 MEK1/2 蛋白質激酶與 FAP 患者腫瘤抑制基因 APC（Adenomatous polyposis coli）功能喪失間，過去未被重視的關聯。儘管 MEK 抑制劑在腫瘤治療領域已廣泛應用，但將其重新定位於 FAP，代表的是另一種新策略，從針對既有腫瘤的治療模式，轉而對具有明確遺傳關聯的癌前狀態進行長期訊號調控。
那是如何發現 MEK1/2 與 APC 的關係呢？「我們先工程化 APC 缺失細胞，讓 AI 模型去定義疾病表型本身。再以高內涵影像（high-content imaging）捕捉肉眼無法辨識的細微形態變化，並透過專有的電腦視覺系統與基礎模型轉化為可量化的疾病特徵，再針對這些表型篩選數千種化合物，找出能恢復細胞平衡的候選分子。」
Khan 用「以終為始」來形容整段歷程，她解釋道：「我們確實是預先選擇一些想要研究的目標，特別是那些無藥可醫的疾病，例如 FAP。AI 平台讓我們看到人類直覺無法察覺的現象，我們並不預設立場要找特定的機轉，而是問：『哪個化合物能真正修正疾病狀態？』」
出乎意料的是，最能逆轉表型，使細胞最接近正常的化合物是 MEK1/2 抑制劑，而這在 FAP 中並沒有先例。對 Khan 而言，這一發現突顯這套「無假說框架」（hypothesis-free framework）的優勢：從可觀察的疾病後果出發，讓數據而非偏誤（bias）與既定知識脈絡來指引方向。
2020 年，Recursion 自武田藥品工業（Takeda）取得一項過去被擱置的候選分子授權，而該分子正是先前平台找到的最能使細胞接近正常的化合物結構，根據兩個月前公布的 Phase 1b/2 TUPELO 研究初步數據，這項源自表型體學平台的發現，有望轉化為可衡量的臨床效益，包括瘜肉負荷下降與持續性。雖然 REC-4881 最終能否成為 FAP 的首創療法，仍有待後續臨床試驗驗證；但其真正的意義或許在於證明，「以表型為先的 AI 藥物發現策略」能夠在傳統標的導向模式逐漸停滯的地方，系統性發掘新的治療可能。
在罕見疾病臨床試驗中，數據化身對照組
在罕見疾病藥物開發中，耳熟能詳的結構性限制之一就是數據缺乏。患者群體少、零散的醫療紀錄，以及自然病程的資料不足，往往使傳統試驗設計遇到罕見疾病時，在統計學上捉襟見肘，且實際營運執行效率低下。
Recursion 建立一個 AI 驅動的臨床開發引擎「ClinTech」，專門用來解決罕見疾病藥物開發中的這些瓶頸。Khan 坦言，罕見疾病相關的文獻往往零散，而為了補齊這些空缺，他們在超過 3 億名美國去識別化患者資料的基礎上，使用自訂的大型語言模型掃描了256,000 篇，與 1,000 名 FAP 患者相關的醫師筆記 ，近乎即時地建立起真實世界的臨床照護標準。
此外，透過與荷蘭阿姆斯特丹大學醫學中心（Amsterdam UMC）合作，利用其所擁有的完整 FAP 紀錄。Recursion 將臨床試驗的納入與排除標準套用到這份縱貫性資料中，建立一個可靠的自然病程對照模型，以此模型作為基準比較試驗結果，可將瘜肉負荷的下降數值與疾病預期進程對照解讀，在罕見疾病研究中，這種單臂試驗設計是一項關鍵策略。
這種以資料為核心的策略，也反映在執行效率上。Khan 說：「我們不必像瞎子摸象般猜測目標患者在哪，我們有明確方向，就像用 Google 地圖導航。」透過醫療資料整合平台，Recursion 能在去識別化的前提下找到合適的醫院系統，加速試驗啟動並精準招募患者。不僅提升運作效率，也為主管機關與支付方提供更清楚的證據，確保觀察到的療效能明顯超越疾病的自然進程。
Recursion 端到端人工智慧藥物發現與開發平台示意圖。圖片來源：Recursion
多模擬、少實驗，精準執行的核心價值
除了應用於罕見疾病開發外，Recursion 也將相同的邏輯延伸至其他研發領域。藉由 AI 端到端全流程平台，相比目前業界通常需從超過 5,000 個化合物中挑選候選對象，Recursion 則從約 330 個化合物中遴選一個。同時，從標的識別到開發候選化合物的週期，也縮短至約 17 個月，相較於產業平均 42 個月顯著加快。
Khan 強調模型的精準性：「我們多做模擬、少做實驗。只有在確信化合物是正確選擇時，才會啟動開發。這正是我們 AI 化學平台的優勢：多模擬、少製作，從而降低新藥臨床試驗申請（IND）成本。」而這也使其成本控管能轉化為商業優勢，自 2024 年底起，Recursion 已在不影響各計畫的前提下，將擬制現金耗用率（pro forma cash burn）降低約 35%。
Recursion 亦與大藥廠進行戰略合作，取得里程碑付款或授權收入。主要合作夥伴包括拜耳（Bayer）、羅氏（Roche）、基因泰克（Genentech）、賽諾菲（Sanofi）與德國默克集團（Merck KGaA）。此外，其與輝達（NVIDIA）也合作打造整合 63 台 DGX H100 系統與 504 顆 H100 Tensor Core GPU 的 BioHive-2 超級電腦，以加速 AI 藥物研發。
誠如前文所提到的 FAP 罕見疾病管線，不僅具備概念驗證功能，證明 AI 平台能突破人類直覺的盲點，顯現被忽略的病理機轉；結合營運管理與端到端全流程整合，更能清楚展現，面對未被滿足的醫療需求時，要如何高效將創新與發想透過臨床試驗轉化為可落地的實際價值。
AI 將未知化為已知，揭示罕病藥物開發初衷
Khan 表示，Recursion 整合平台的初衷，不僅限於發現新分子，更希望能縮短患者從初察症狀到有效治療的漫長旅程，「正確診斷、正確治療、正確時間」，她簡潔有力地概括懷揣的初心。
所謂的「診斷奧德賽（Diagnostic Odyssey）」，正是這種困境的最佳寫照。對全球約三億名罹患罕見疾病的患者而言，最大的障礙往往來自漫長而反覆的求醫過程，歷時四到五年、輾轉多次就診，卻屢次被告知「沒有問題」，病情卻在過程中持續惡化，直到最終確診。
對此，Khan 以她過去在嬌生（Johnson & Johnson）研究肺動脈高壓（PAH）的經驗為例，該疾病平均診斷時間需七年，而透過 AI 演算法分析標準心電圖，她與 nference 旗下的 Anumana 團隊合作，成功將檢測時間縮短至六個月。「這正是罕見疾病所需要的——早期偵測，才能早期介入。」她說。
談及罕見疾病藥物開發的未來與挑戰，Khan 反問筆者：「人類辛苦開發的藥物，為什麼不能創造更大的價值？為什麼不能觸及最需要的患者？」她以前述 REC-4881 用於 FAP 為例說明，我們需要重新思考生物學與 AI 的協作，如何去釋放藥物以往未被開發的價值。
儘管仍有人質疑 AI 在藥物研發中的角色，Khan 卻直言其不可或缺。「罕見疾病中不到 9% 擁有核准療法，傳統藥廠模式當然創造了價值，但遠遠不夠。回顧過去 20 至 30 年，罕見疾病的創新並未出現根本性的改變。」她坦言。
「每當有人問我們是否應該嘗試 AI，我總會反問：『還有其他選擇嗎？如果是你所愛的人罹患罕見疾病，你會想盡一切辦法。』過去我們所做的，顯然還不足。」
無論是透過電腦視覺解析細胞的微小訊號，或利用大型語言模型重建被忽視的疾病自然史，其實核心目標始終一致：將未知化為可知。當 AI 補足人類知識體系中的缺口，揭示那些未曾覺察或長期被忽略的生物學機制，本質上，是人類在面對浩瀚生命科學與棘手罕見疾病時，一種更現代化、也更系統性的解題方式。
邁向沒有病患被遺忘的未來
在長期以「服務多數人」為邏輯的產業結構中，Khan 的願景正重新定義 AI 在藥物研發中的角色。對她而言，AI 不只象徵著效率，同時也是解碼罕見疾病生物學因果關係的關鍵手段。
「罕見疾病是最具挑戰性的領域。我們的目標之一，是改善那些尚無治療方案病友們的生活，不僅僅是小幅度改進，而是大步向前，開創全新的可能。」她坦率說道。
TechBio 的演進，也反映出更深層的變革，當技術真正立基於臨床現實，它終將回到以人為本的脈絡，畢竟，科技始終來自於人性。或許正如 Recursion 這個詞彙在數學與電腦科學中的含義——遞迴，藥物開發不再只是商業版圖延伸多少，而是如 Khan 所言，去證明科學技術、財務紀律與病患權益之間並非此消彼長的取捨關係，而是可以透過循環彼此相互強化，共同指向一個，因為科技創新，使得罕見疾病不再因規模而被忽略，真正以病患為中心的未來。
Recursion 執行長暨總裁 Najat Khan 博士。圖片來源：Najat Khan
