AI 正全面滲入生技醫藥：Novo Nordisk 攜手 OpenAI，要用主權 AI 超級電腦與大語言模型加速新藥研發；Immuneering 則用機器學習設計新一代腫瘤標靶藥並推進胰臟癌三期試驗，傳統藥廠與 AI 原生生技公司正上演兩種典範競賽。

全球生技醫藥正在迎來一場由演算法主導的產業重構。近期多家藥廠密集拋出 AI 佈局，包括傳統巨頭與 AI 原生新創，從早期藥物設計到臨床試驗設計、甚至製造與供應鏈，都被迫加速數位轉型，力拚在下一輪創新藥競賽中卡位。

最新動作來自丹麥製藥龍頭 Novo Nordisk (NVO)。公司宣布與 OpenAI (OPENAI) 建立策略合作，目標是「加速 AI 在醫療領域的轉型」，縮短新藥從研究階段到真正用在病人身上的時間。雙方將把先進的大型語言模型與其他 AI 能力，導入複雜生醫資料分析、候選藥物篩選與臨床開發，並同步用於製造、供應鏈、配送以及公司營運效率提升。

Novo Nordisk 執行長 Mike Doustdar 直言，導入 AI 後，團隊得以在前所未有的規模分析資料、找出過去看不到的隱性模式，並以更快速度驗證假說。這意味從早期靶點發掘、臨床設計到上市後真實世界數據監測，醫藥研發流程將被重新編排。OpenAI 則不只提供模型，也將協助 Novo Nordisk 培訓全球員工，提升 AI 素養，顯示這不只是技術專案，而是一場組織文化與工作流程的全面重塑。

為了回應外界對醫療數據極度敏感的疑慮，這項合作被特別設計出嚴格的資料保護與治理架構，並強調「人類最終決策」原則，避免 AI 黑箱決策直接左右病人治療。從 2026 年前，Novo Nordisk 將在研發、製造與商業營運等多個環節展開試點計畫，預計在 2026 年底前達到更全面整合，這種「邊做邊改」的落地節奏，也成為大型藥廠導入 AI 的典型路徑。

值得注意的是，Novo Nordisk 並非 AI 佈局的起點才從 OpenAI 開始。先前公司就與 Nvidia (NVDA) 合作，使用名為 Gefion 的主權 AI 超級電腦，打造客製化模型與 AI agent，支援早期藥物發現與臨床開發。如今再加上 OpenAI 的生成式 AI 與企業級工具，顯示這家體量龐大的製藥公司，正在透過多家科技夥伴組成「AI 聯盟」，避免押寶單一技術，同時把硬體算力、演算法能力與產線流程串成一條完整的數據管線。

與巨頭走「廣度+整合」路線不同，美股掛牌的 Immuneering (NASDAQ:IMRX) 則是一家 AI 原生的臨床期生技公司，選擇在特定疾病領域深挖。公司以自家 AI 平台 RABIT (Repurposing and Accelerating Biotechnology Tools) 切入，利用機器學習分析大規模生物醫學資料，尋找新穎的藥物−靶點互動，並加速候選藥物篩選與優化。這套平台不只用來開發腫瘤藥物，也被用於神經病變等高未滿足醫療需求領域的研發。

在最新對投資人的說明中，Immuneering 執行長 Benjamin Zeskind 分享了公司在第一線胰臟癌的早期試驗成果。他指出，旗下 MEK 抑制劑 atebimetinib 搭配化療，在一項第二期試驗中，12 個月總體存活率達 64%，在當時追蹤中位數 13.4 個月時，中位存活期尚未到達。相比歷史上以 gemcitabine/nab-paclitaxel 為主的 MPACT 研究 35% 的 12 個月存活率，Immuneering 的存活曲線「很早就分開，並在 6、9、12 個月都維持差距」，對於一向被視為「癌中之王」的胰臟癌來說，這樣的訊號格外引人關注。

更關鍵的是，這組數據來自 34 名病人，已略高於原訂 30 人的入組目標，公司預告今年上半年將公布擴增至 50 多位病人的後續存活結果，並透露目前看起來整體趨勢與原始隊列一致。已公布的無惡化存活期 (PFS) 為 8.5 個月，約比標準治療多出三個月，而顯著的三級不良事件主要是中性球低下與貧血，且被認為與化療骨幹相關，單獨使用 atebimetinib 時並未出現相同型態，顯示這款藥物的耐受性為組合治療打下基礎。

Immuneering 真正與眾不同之處，在於它如何用演算法思維重新設計藥物作用機轉。傳統標靶藥追求的是持續抑制關鍵訊號通路，而公司提出的概念是「Deep Cyclic Inhibition」，讓 atebimetinib 以短半衰期創造每日一次的「強力脈衝」抑制：血中濃度快速飆升到足以關閉 MAP kinase 路徑之上，再迅速清除，於是到下一次給藥前，通路會暫時「放鬆」。

Zeskind 引用腫瘤演化模型與 Moffitt Cancer Center 學者 Robert Gatenby 的研究指出，這樣的間歇壓力設計，目的是避免在腫瘤內迅速選出一批對藥物完全抗性、最具侵略性的細胞族群。他將這種策略形容為讓敏感與抗藥細胞「互相內鬥」，形成腫瘤內部的「內戰」，從而在長期存活上取得優勢。公司也在循環腫瘤 DNA (ctDNA) 研究中發現，MAP kinase 路徑上的獲得性變異相對少見，這一點與許多 RAS 相關抑制劑容易誘發「在路徑上」抗藥性不同，為這套機制提供了初步生物學佐證。

在策略上，Immuneering 把資源集中在第一線胰臟癌。Zeskind 解釋，第一線病人數量約是後線的兩倍，且相當多病人無法活到接受第二線治療，因此若能在第一線就改變疾病走向，對公共衛生與商業價值都最大。同時，第一線幾乎必須與化療合併，atebimetinib 的耐受性使其具有組合優勢；而從生物學角度看，MAP kinase 路徑被視為多數第一線化療的主要抗性機制，這也支撐公司把焦點鎖定在這個治療線別。

在臨床開發布局上，Immuneering 計畫啟動名為 MAPKeeper-301 的全球隨機三期關鍵試驗，比較 atebimetinib 搭配每兩週一次的改良版 GNP 化療，對上標準 GNP，主要終點為總體存活。研究預計收案略高於 500 名病人，並已在去年取得監管機關的關鍵共識，資金也被描述為「完全到位」，首位病人預計在年中給藥，頂線數據則以首例給藥後約兩年為目標時間點。

與此同時，市場上也不乏其他競爭者布局胰臟癌。Zeskind 特別點名 Revolution Medicines 的相關計畫，並呼籲對方發布更多第一線胰臟癌的整體存活與其他關鍵指標，以利醫界更透明地比較不同機制藥物的優缺點。他也強調，做跨試驗比較時，必須留意不良事件與反應率計算分母是否一致，否則可能造成誤讀，這反映出在 AI 驅動的精準醫療時代，即便數據更豐富，如何解讀與溝通仍是一大考驗。

從 Novo Nordisk 與 Immuneering 的兩種路線可以看出，AI 在醫藥產業已不再是單一工具，而是一套貫穿研發、臨床與營運的系統性能力。一端是大型藥廠透過與 OpenAI、Nvidia 等科技巨頭串聯，把既有龐大產品線與資料資產「上雲上鏈」；另一端是以 AI 為核心起家的生技公司，直接從演算法出發設計分子與試驗架構，挑戰傳統研發節奏。

然而，無論是哪一種模式，風險與疑問同樣存在。資料隱私與倫理治理能否跟上演算法進展？AI 預測在動物實驗或早期臨床看起來再漂亮，是否能真正轉化為中後期大規模試驗的存活獲益？監管機關又會如何看待那些高度依賴模型推論的設計？目前包括市場專家在內普遍認為，AI 暫時還無法做到從靶點到上市的「端到端自動化」，比較務實的期待是優化每一個環節、減少無效嘗試與縮短時間。

面對這波 AI 浪潮，投資人與產業觀察者接下來要看的，將不只是合作公告或技術藍圖，而是幾個關鍵實證：像 Novo Nordisk 這類製藥巨頭，能否用 AI 讓新藥開發時程實質縮短、臨床試驗設計更精準？像 Immuneering 這類 AI 原生公司，能否在嚴苛適應症如胰臟癌的三期試驗中交出延長存活的硬數據？當第一批 AI 共同開發的新藥真正走到監管審查與商業化階段，全球生技醫藥產業的權力版圖，才會真正迎來下一輪洗牌。

點擊下方連結，開啟「美股K線APP」，獲得更多美股即時資訊喔！
https://www.cmoney.tw/r/56/9hlg37

免責宣言
本網站所提供資訊僅供參考，並無任何推介買賣之意，投資人應自行承擔交易風險。