[眾創時代]
數字生物學和人工智能快速發展，有機會幫助篩選藥物，節省大量研究新藥經費，AI重塑藥物發現過程。
本港已有以AI推動藥物開發的初創，港股特專科技公司第18C章首家上市，亦是以量子運算和AI科技的晶泰科技（XtalPi）。
晶泰的投資合作夥伴星光熠熠，包括了騰訊和Alphabet，晶體預測技術曾助輝瑞開發出全球首個獲FDA批准口服COVID-19藥物Paxlovid，預料可加強本港投資界認識AI藥物開發，促進AI藥物開發來港上市。
全球首家以AI藥物研發上市的企業BenevolentAI英國上市，其後美國上市AI藥物開發，包括Schrodinger、Exscientia、Recursion Pharmaceuticals股價強差人意，但未打擊市場熱情，4月美國成立Xaira首次集資額達10億美元，另一家Biolexis Therapeutics以AI專門開發癌症和代謝、炎症和神經退行性疾病口服小分子藥物，亦獲一千萬美元A輪融資，開發治療癡肥及二型糖尿。
量子累積AI數據
晶泰以量子運算預測晶體結構，降低小分子藥物化合物的合成研發成本，為加快合成過程，晶泰以ABB的GoFa機器人在濕實驗室自動化開發，結合實驗結果和預測不斷試錯。
量子運算優點是從最初開始模擬藥物特性，有助迅速設計與發現有潛力候選藥物，無需首先積累大量實驗數據，另外又開發ProteinGPT生物醫學生成工具，預測和篩選蛋白質序列，通過LLM生成符合特定預設標準蛋白質藥物。
AI也有其侷限，AI模型預期可準確預測與訓練集相似分子性質，卻無法推算與訓練集不相似的分子。量子運算高通量第一性原理計算，可以建立數據庫，卻受限高昂計算代價，所以數據量不多。
簡單來說，決定生成式AI模型性能第一性原理「縮放定律」（Scaling Law），原來是跟模型參數、數據集大小、訓練計算量呈正比，參數愈來愈多，通過更多壓縮產生智能，問題在分子結構和動力模擬，根本就沒太多數據，壓縮也無從談起；所以晶泰從量子運算的數據，反過來有助訓練AI，解決數據稀缺的挑戰；改善預測原子、分子、晶體、生物靶標在體外及體內各種特性。
所以說，晶泰量子和AI運算，累積數據相輔相成，發現出更大價值。
AI藥物進入臨床
生成式AI利用大語言模型可提高預測藥物性質和相互作用能力，Google旗下DeepMind 推出 Alphafold，AI精準預測蛋白的結構，AlphaFold 3結構預測模式更有助於建立與目標蛋白有效結合的設計；DeepMind共同創辦人Demis Hassabis領導Isomorphic Labs大舉投入AI藥物發現。
科學園初創英矽智能（Insilico Medicine）則以生成對抗網絡（Generative adversarial network，GAN）通過函數，生成器和判别器（Discriminator）互相對抗，產生符合要求分子，推動AI端至端藥物發現，特發性肺纖維化（IPF）藥物INS018_055更是首個AI設計藥物，進入臨床2期藥企，最近在Nature Biotechnology上發表以AI發現INS018_055過程，前後僅用18個月時間。
較早前，輝達（Nvidia）開發了用AI雲服務BioNeMo，可為小分子和蛋白質提供了各種AI模型，英矽智能以BioNeMo推出LLM模型nacho0輔助藥物設計。BioNeMo在生物製藥顯示一定潛力，美國Evozyne在BioNeMo設計出新蛋白質來治療苯丙酮尿症。
本港多家AI藥物發現獲國際重視，理大應用生物及化學科技學系馬聰博士開發新一代抗生素。全球多重抗藥性微生物日益嚴重，馬聰與中大醫學合作創辦Ynno Med，亦透過AI輔助藥物設計， 開發新一代抗生素候選藥物，對付多重耐藥性超級細菌及多代抗生素的抗藥性。馬聰亦表示正研究生成式AI以加速藥物開發，
政府長遠目標是在本港建立「第一層審批」，即不參考其他藥物監管機構註冊許可，直接根據臨床數據，即在本港審批藥物，並已實施「1+」的機制，主動審批治療嚴重或罕見疾病新藥註冊，醫管局又具備高質素的醫療數據，估計會吸引新藥研發來港。