在 2026 年亞洲生技大會 (BIO Asia-Taiwan 2026) 論壇中，英矽智能（Insilico Medicine）創辦人兼執行長 Alex Zhavoronkov 博士詳細描述了人工智慧 (Artificial Intelligence, AI) 與長壽醫學 (Longevity Medicine) 的整合應用。傳統藥物開發長期面臨高成本、長週期與高失敗率的結構性困境，而人工智慧技術的導入正全面加速從靶點發現 (Target Discovery) 到臨床候選分子優化的整體歷程。他指出，數位運算與生物學的跨界結合已不再停留在理論概念階段，而已經是具備實驗證據支持、可重複且高度精準的自動化新藥研發新流程。
隨著全球高齡化趨勢日益嚴峻，延長人類健康壽命 (Healthspan) 並預防高齡相關慢性疾病，已成為現代醫療體系的最核心課題。長壽醫學不再侷限於單一疾病的晚期治療，更聚焦於干預細胞老化 (Cellular Senescence)、DNA 損傷修復與代謝失調等底層生物學機制。透過結合高通量多體學 (Multi-omics) 數據與深度學習演算法，研究人員得以建立個人化健康動態模型，進而在疾病臨床症狀出現前進行精準的預防性介入，推動生技精準醫療轉型。
導入生成式人工智慧，翻轉傳統藥物篩選方法
傳統藥物研發中的化合物篩選往往依賴大規模化合物庫的高通量實驗測試，不僅耗時費力且成功率極低。Alex 詳細介紹生成式人工智慧 (Generative AI) 如何重塑藥物開發流程。團隊透過開發合併了分子生成、靶點預測與臨床試驗結果模擬的端到端 AI 平台，成功將早期藥物發現的時間從傳統的數年大幅縮短至數月，展現出計算科學的威力。
Alex 指出，生成式 AI 的核心優勢在於能根據靶點蛋白質的三維結構與理化限制，從頭設計 (De Novo Design) 具備高親和力、高特異性且具良好成藥性 (Drug-likeness) 的全新小分子結構。這種數據驅動的分子設計模式，有效避開了傳統化合物庫的同質化問題，並能精確避免潛在的毒性官能基。透過將 AI 模型與高通量合成實驗室相結合，研究團隊得以建立快速的數據反饋循環，使生成分子的生物活性與理化性質在每一輪迭代中獲得顯著提升。
特發肺纖維試驗，驗證人工智慧藥物開發實證力
為了驗證 AI 藥物研發平台的實際臨床效能，Insilico Medicine 推動針對特發性肺纖維化 (Idiopathic Pulmonary Fibrosis, IPF) 的創新新藥開發專案。特發性肺纖維化是一種原因不明、致死率極高且臨床治療選擇極為有限的慢性進行性肺部疾病。研究團隊透過 AI 平台成功識別出全新的致病靶點，並設計出首創 (First-in-class) 的小分子抑制劑。該候選藥物在臨床前試驗中展現出卓越的抗纖維化活性與極佳的安全性特徵，隨後迅速進入臨床研究階段。
該專案目前已順利完成二期臨床試驗，試驗結果顯示該 AI 生成藥物在 IPF 患者中展現出良好的安全性、耐受性以及減緩肺功能下降的臨床療效。Alex 表示，這一里程碑式的成就，成為全球首個由生成式 AI 從靶點發現到分子設計全程主導並成功完成二期臨床驗證的創新藥品。他表示，此一成功案例不僅驗證 AI 藥物研發平台的實用性與可靠性，更大幅增強生技產業與風險投資機構對數位化新藥開發技術的信心與投入意願。
長壽醫學跨領域，建立動態抗老化生態
長壽醫學作為一門前沿的跨領域學科，旨在透過整合老化生物學 (Geroscience)、人工智慧與臨床醫學，延緩人類老化進程並降低慢性病發病率。Alex 強調，老化本身是眾多慢性疾病如阿茲海默症、心血管疾病及糖尿病的最主要風險因子。因此，透過 AI 模型分析龐大的臨床基因體學、表觀基因體學與代謝體學數據，研究團隊能建構出高度精準的老化生物時鐘 (Aging Clock)，用於量化評估個體的生物學年齡 (Biological Age) 與老化速率。
利用這些 AI 驅動的生物時鐘模型，研究人員得以在高通量化合物庫與天然產物中，快速篩選出具備抗老化活性、能延緩細胞老化或促進細胞自噬 (Autophagy) 的小分子候選物。此外，長壽醫學臨床平台還結合連續生理監測與動態生物標誌物追蹤，使臨床醫師能根據患者的個體化老化特徵制定精準的干預方案。這種從被動治病轉向主動預防與抗老化管理的全新模式，正引領全球醫療體系邁向長期健康的新時代。
深耕臨床前數據，致力構建永續生醫圈
儘管 AI 技術在藥物研發與長壽醫學中展現出巨大的應用潛力，但 Alex 提醒，資料的品質與生物學機制驗證仍是決定最終成敗的核心基礎。AI 模型的能力高低其實很大程度取決於訓練數據是否具有足夠的代表性與準確性，若輸入無效或具偏見的實驗數據，演算法將難以產出具備臨床價值的結果。因此，生技企業在導入 AI 技術的同時，必須持續強化臨床前實驗驗證能力，確保計算預測與生物學實證之間保持嚴密的對應關係。
如果我們正面的看待未來，人工智慧與長壽醫學的結合將持續催生出新型態的生技創新公司與商業合作模式。跨國藥廠、科技巨頭與生技新創之間的界線正日趨模糊，多方共建的開放式數據生態圈將成為推動產業進步的主要動力。透過將演算法優勢與嚴謹的臨床試驗相結合，產業各界將得以加速開發出更多突破性療法，不僅有效減輕全球醫療體系的經濟負擔，更將顯著提升人類整體的健康壽命與生活品質。
資料來源：
2026 年亞洲生技大會現場報導。
延伸閱讀：
1. 更多精彩內容，請見英文版文章：
Compressing Decades into Months: How AI and Longevity Pioneers Are Redefining Therapeutic Discovery。
2.「2026 年亞洲生技大會」報導專區：中文版；英文版。
