来源：南方财经（南方财经记者 张伊欣）
（本文转载自南方财经，版权归原作者所有，转载已获授权）
中国医药创新促进会数据显示，全球超过 10 亿人受中枢神经系统（CNS）疾病困扰，如阿尔茨海默病、帕金森病等。然而，CNS 领域药物研发失败率可高达 99.6%，被业界称为“研发黑洞”。AI 正在从多个维度发起攻坚。
在药物发现上游，国内 AI 制药头部企业英矽智能深度布局。7 月，英矽智能宣布与深圳康哲药业在 CNS 领域开展 AI 驱动药物发现合作。年初，英矽智能与衡泰生物就透脑性 NLRP3 抑制剂 ISM8969 达成共同开发协议，该分子由英矽智能生成化学平台 Chemistry42 赋能研发，从设计阶段即针对性优化血脑屏障穿透能力，8 月初已获药监局临床试验批件。
AI 的介入并不止步于分子设计。在药物发现的下游——临床前动物实验阶段，AI 同样重塑研发路径。厦门抱壹智能、安徽健昇德泽等企业正切入 AI 动物行为分析这一细分赛道，以“AI+数据终端”替代传统人工观察记录方式，持续提升实验数据的精确性和研究效率。
在粤港澳大湾区，广州企业一湾生命科技打造 AI 系统以监测并分析动物行为，为药物开发提供更精准的表征数据。这一应用场景于近期入选工信部“2025 年人工智能应用典型案例”，成为广东省在医疗健康领域两个入选案例之一。一湾生命科技总经理陈哲熙、研发总监黄康近期就 AI 如何介入神经系统药物研发及其前景，接受了南方财经记者的专访。他们认为，未来 10 年，神经科学可能出现类似 AlphaFold 的大模型机会。
读懂动物“语言”
动物模型验证是 CNS 药物从实验室走向临床应用的必经环节，其高度依赖对实验动物行为的观察，以此判断药物的安全性和有效性。然而，该领域长期面临一个根本性障碍——缺少统一的数据语言，导致行为学分析的发展速度严重滞后于基因组学、蛋白质组学和影像组学。
传统行为指标的语义模糊性尤为突出。“比如一只小鼠出现‘活动减少’，不一定对应抑郁状态，也可能是运动障碍、镇静副作用、疼痛，甚至代谢异常。”黄康解释说，“同样，人的脑疾病并不简单表现为‘活动减少’，而是行为结构、序列、社交模式、昼夜节律等系统性变化。”因此，神经系统疾病研究必须突破单维度观察的局限，走向多模态信息融合。
面对上述挑战，一湾生命科技 BehaviorAtlas 系统构建了一套完整的解决方案。在数据模态层面，系统已兼容精细行为表型、代谢组、电生理等超过 6 个维度的数据，并规划整合荧光成像与神经调控技术，以实现对动态神经网络行为的全面解析。
黄康进一步解释，AI 在该体系中的核心价值并非替代人工观察，而是提供行为层面的“语义接口”——将过去难以量化的活体状态转化为机器可理解的数据语言。通过综合多模态数据，系统能够直接回答药物研发中最根本的问题：疾病状态是否改善？
为构建统一的数据语言，一湾生命科技首先搭建了 AI 可分析的行为层级框架。2021 年，黄康发表于《Nature Communications》的研究首次提出基于动物行为自然层级结构的三维运动学习框架，将行为解析为“基础运动——行为单元——高层级行为模式”的递进结构。
BehaviorAtlas 在此基础上，通过多视角视觉感知重建动物三维姿态，利用 AI 模型解析连续行为序列，进而提取与疾病状态和药物响应相关的表型特征。这一过程将 AI 从简单的“动作识别”升级为精准的“测量系统”，使其能够回答“这个动作是否代表疾病改善”这一问题。
让 AI 具备精准解码动物行为的能力，还需要持续获得大规模、高质量的活体行为数据。一湾生命科技通过多模态、长期连续的动物数据采集体系，持续积累不同物种、不同疾病模型和不同实验条件下的活体表型数据。
在广州国际生物岛的一湾生命科技实验室，南方财经记者看到现场的 3D-AI 小鼠行为采集设备箱。该系统通过多行为相机阵列等无接触技术记录动物状态，并结合自主开发的实验平台实现长期连续监测。此外，实验室还配备了根据实验需求开发的机械臂平台，可提升数据收集的自动化能力，提高复杂行为场景下的数据采集能力。这种方案减少了对动物自然行为的干扰，更真实地反映疾病状态变化。
而这种统一的数据语言不仅限于单一物种，跨物种分析能力才是 AI 行为分析真正进入药物研发工业体系的关键。
CNS 药物研发需要跨物种开展试验，发现阶段依赖小鼠、大鼠模型，转化阶段涉及犬和非人灵长类模型，最终指向人体临床试验。“对 AI 而言，真正困难的不是识别一次抓挠动作，而是理解不同物种背后的共同生物学含义。”黄康说。例如，人类描述的“瘙痒”状态，在猴、小鼠、犬中可能表现为不同形式的抓挠、舔舐或运动模式。
在实际工业应用中，频繁更换物种来重新训练模型并不现实。借助 AI 建立通用行为基础模型后，仅需少量目标物种的试验数据即可完成适配，从而显著减少动物模型建立、数据分析和药效评价过程中的重复工作，加速候选药物验证流程。
这项技术也有望为企业降本增效。今年 7 月，实验猴市场均价突破 20 万元，因持有大量实验猴，昭衍新药相关生物资产估值随之大幅攀升。供不应求之下，高昂的实验成本让许多创新药研发企业望而却步。AI 开发的大模型有望通过提升单只实验动物产生的数据价值，提高实验设计效率，并减少因数据质量不足导致的重复实验。
目前，BehaviorAtlas 系统已逐步按照药物研发和临床前评价相关标准进行产品化建设，并在高校、科研机构、药企及 CRO 等场景中开展应用。一湾生命科技已服务超过 200 家实验室客户，累计销售额突破 1 亿元。
重塑 CNS 药物研发
CNS 药物研发长期面临三重挑战：疾病机制不明导致临床转化率低；血脑屏障阻隔使药物难以入脑；症状评估主观性强，临床试验失败率高。
AI 动物行为分析如何具体助力 CNS 药物研发？
陈哲熙指出，首先可降低疾病模型风险，即通过多模态数据尽可能模拟人类疾病状态。
除一湾生命科技外，国内还有安徽健昇德泽专注于非人灵长类动物的行为学评估和脑机接口研究，通过开发 AI 行为分析系统精准识别猴子的情绪和健康状态，从而帮助药企筛选疾病模型、评估神经精神类药物的药效。
其次，提高药效评价敏感性。传统方法只能比较治疗前后的终点差异，AI 连续监测则可呈现药物在体内作用的完整轨迹。“这对于 CNS 尤其重要，因为很多神经药物的疗效和副作用可能同时出现。”陈哲熙表示。而体内验证正是新药研发最薄弱的环节——即使药物在实验室环境中达到完美指标，进入复杂的人体系统后能否如期改善症状，仍是未知数。一湾生命科技的 AI 系统切入的正是这一关键缺口。
最后，提高临床转化预测能力。未来 AI 真正有价值的方向是建立动物行为表型与人类疾病指标之间的映射关系——即通过动物行为改善情况，预测药物在人体内的有效性。
从宏观来看，AI 驱动的临床前动物行为分析市场正稳步增长。目前，国内临床前 CRO 市场整体增速较快，作为其重要组成部分，动物行为分析在 AI 驱动下未来几年将保持较高增速。Market Intelo 行业数据显示，动物行为表型系统年复合增长率将达到 6.8%。
陈哲熙与黄康表示，一湾生命科技的长远方向是构建人工智能预测脑功能状态的模型——为神经药物研发打造“行为层面的 AlphaFold”。
AlphaFold 是由谷歌 DeepMind 开发的人工智能蛋白质结构预测模型。2022 年，其第二代模型已预测出地球上几乎所有已知的 2 亿多种蛋白质结构，解决了困扰生物学界 50 年的难题，两位核心科学家因此获得 2024 年诺贝尔化学奖。
“如果说 AlphaFold 解决的是蛋白质结构这一生命科学基础数据层的问题，那么未来 AI 也可能在‘活体表型’领域建立新的基础模型。”黄康判断，AI 驱动的行为分析将为 CNS 药物研发建立全新基础设施，“未来 10 年，神经科学可能出现类似 AlphaFold 的大模型机会。”