外媒评论认为，人工通用智能（AGI）被寄望于提升药物研发效率，甚至帮助攻克更多疾病，但这一目标距离现实应用仍有不小距离。文章指出，AI 在分子筛选、数据分析和临床设计上的确展现出速度优势，不过“更快”并不等于“很快治愈疾病”。
AI已在药物发现中提速
文章提到，传统药物发现通常要围绕基因、蛋白质和分子结构反复试错，研发周期长、成本高，很多突破带有偶然性。AI 的价值在于，能够处理远超人工能力的数据规模，并从复杂的蛋白质和分子关系中寻找更可行的候选方案。
作者援引学术研究称，AI 正在把过去依赖“运气”的部分流程转向更有结构的筛选方式。这类系统可以更快识别潜在药物组合，也有助于提高商业化候选药物的发现效率。
成本和周期有望下降
另一项被引用的研究认为，AI 辅助药物研发已在患者招募、数据处理和临床试验设计上带来效率提升，从而压缩部分开发成本和时间。对制药行业来说，这一点尤其重要，因为新药上市往往需要多年投入和高额资金。
如果 AI 能持续削减研发环节的资源消耗，理论上也可能缓解部分药价压力。文章认为，这也是市场对 AGI 医疗前景保持高度关注的重要原因之一。
临床试验和数据仍是瓶颈
不过，文章同时强调，AGI 即便能力继续提升，也无法绕开现实中的临床试验约束。药物验证最终仍涉及真实患者、伦理审查和长期观察，这些环节很难被单纯压缩。
作者还指出，AI 系统的效果取决于输入数据的质量与完整度，而现有医学知识和临床数据仍分散在不同机构和系统中。AI 可以帮助整合信息，但前提仍是获得足够的数据接入和明确的使用指引。
政策协同仍待推进
文章最后认为，医疗 AGI 若要进入更大规模应用，除了技术进步，还需要更一致的政策安排和安全约束。原因在于，这类系统一旦进入疾病治疗和临床决策，影响的不只是研发效率，也包括患者安全和责任划分。
整体来看，这篇评论并不否认 AGI 对医疗研发的推动作用，但核心判断是，AI 更可能先成为药物发现和试验设计的加速工具，而不是在短期内直接“解决所有疾病”。
