為K-Bio注入AI
機器人研究員24小時工作的“AI實驗室”

[비즈한국] AI（人工智慧）的浪潮正席捲整個產業。在日常生活中，乃至企業經營的幾乎所有領域，引入AI已不再是選擇，而是必選項。製藥生物產業也不例外。隨著政府宣佈將“ABCD（AI、Bio、Culture、Defence）”產業培育為下一代國家增長支柱，AI與生物的融合已不再是遙遠的未來。本文將深入探討AI如何給製藥生物產業的研發、臨床及生產帶來變革，以及為制度性支援所需的課題。

美國汽車工程師學會（SAE International）將道路車輛的自動駕駛技術水平分為從0級到5級共6個階段。最高階段的5級是指“完全駕駛自動化（Full Driving Automation）”，即在沒有駕駛員干預的情況下，自動駕駛系統（ADS）能夠執行駕駛所需的所有任務。這是指在人類駕駛員能夠應對的絕大多數道路及環境條件下，均能無限制操作的階段，因目前在實際道路上尚無法實現，被稱為“夢想中的技術”。

然而，在被認為最為保守的製藥生物產業中，自主化技術正被引入新藥研發（R&D）領域，實驗室的景象也隨之改變。韓國製藥生物協會AI新藥研究院近期在擴建的研究設施“未來館”內構建了“AI新藥開發自主實驗室”，並已做好正式執行的準備。

AI新藥開發自主實驗室負責在新藥候選物質合成或工藝開發階段，在多種條件下合成物質並進行最佳化。例如，將物質與合成條件組合會產生無數種可能性。在預先定義的條件範圍內，自動化裝置會對各種組合進行實驗，演算法則基於實驗結果提出下一階段的條件，從而加速最佳化搜尋合成條件的過程。

該實驗室的核心在於實現了結合機器人自動化與基於演算法決策的閉環（Closed-loop）實驗自主化系統。以往需要研究人員逐一使用移液器（液體轉移工具）進行操作的樣本預處理等簡單重複工序，現在在該研究所由機器人代替完成。

這不僅僅是物理層面的替代。該系統能分析實驗結果，為達到目標合成收率而重新設計後續實驗條件，並透過不斷重複來最佳化條件搜尋。如果特定條件下未能達到目標收率，系統會根據結果提出其他條件。當發生裝置停止或異常情況時，通常會按照預設的安全規則和控制邏輯進行應對，而演算法則負責在此範圍內提升實驗條件搜尋的效率。

AI新藥研究院院長表俊熙（音譯）展望道：“這就像擁有了一名可以進行24小時重複實驗且訓練有素的研究員。最佳化演算法等AI模型不僅能替代物理勞動，還能提升重複搜尋的效率，這將使得使用這些技術的研究人員扮演更重要的角色。”

韓國製藥生物協會的AI新藥開發自主實驗室也被期待成為各製藥生物企業構建自主實驗室的測試床。僅今年一年，AI新藥開發自主實驗室就針對製藥生物行業的260名相關人士進行了裝置和軟體應用等方面的理論培訓。實驗室正在營造一種“開放式創新（Open Innovation）”生態系統，讓企業能夠親身體驗自主化系統並尋求共同研究。表院長表示：“企業對引入自主實驗系統的關注度很高。今年我們構建了基礎設施並進行了理論教育，計劃明年開展實操培訓。”

對於企業合作中視為重大障礙的資料安全問題，實驗室也準備了應對措施。由於新藥開發資料是製藥生物企業的核心資產，為防止外部洩露，該實驗室構建了與外部網路物理隔離的離線環境。不過，表院長解釋稱，AI新藥開發自主實驗室目前正在構建涵蓋系統設計乃至運營體系在內的安全治理方案。這是因為即使在離線環境下，也必須同時具備移動儲存介質的准入控制、訪問許可權管理、日誌監控體系及物理安保等運營管控，才能穩定維持安全水平。

表院長表達了期待：“我們的目標是引入AI新藥開發中未來需求較高的技術，打造一個能與國內新藥開發研究人員共同研究、利用的系統。這將有助於啟用AI新藥開發生態系統。”