AI医疗临床管线中25条未公布靶点，靶点信息不透明隐藏着哪些行业风险？
全球获批临床的AI药物管线中，有25条未公布靶点，占比达31.0%，这一信息缺口使AI医疗管线的真实质量难以被外部独立验证。 靶点不透明带来的核心行业风险，集中在管线评估失真、临床推进真实性存疑以及AI技术验证出现偏差三个维度。当近三分之一管线无法确认其作用机制时，外界既无法判断该管线是否属于真正的AI创新发现，也难以评估其临床设计的科学基础是否扎实。
靶点公布缺失：外部评估的“盲区”
在浙商证券统计的全球80条获批临床的AI药物管线中，靶点分布呈现明显分化：已公布靶点的管线占65.0%，未公布靶点的占31.0%，而运用人工智能发现新靶点的管线仅占4.0%。这一数据揭示了一个关键矛盾——AI制药标榜的核心价值之一是“发现新靶点”，但实际进入临床的管线中，真正由AI驱动的新靶点管线凤毛麟角，而超过三成管线连靶点本身都未披露。
靶点不透明直接削弱了行业外部评估的基础。对于投资者、监管机构乃至临床医生而言，靶点是判断药物作用机制、适应症合理性及潜在毒副作用的首要依据。当31.0%的管线处于“黑箱”状态时，外界无法区分这些管线究竟是基于已验证靶点的快速跟进，还是包含真正差异化的创新设计。这种信息不对称，使得AI药物管线的整体质量评估只能依赖企业单方面披露，客观验证的通道被收窄。
临床推进真实性：从靶点到验证的缺口
从临床推进进度看，上述80条管线中，42条推进至1期，29条推进至Ⅱ期，4条推进至Ⅲ期。表面看管线梯队完整，但结合靶点披露情况，一个深层隐忧浮现：早期临床阶段（1期）的核心任务是验证药物的安全性、耐受性及初步药代动力学特征，而靶点的明确性与这些验证的科学解释紧密相关。若靶点信息缺失，即便管线推进到更后期，外部也难以追溯其临床设计是否基于可靠的生物学假设。
更值得警惕的是，靶点不透明可能掩盖AI技术在药物发现中的实际贡献边界。当前AI制药行业普遍认为AI可缩短研发周期、降低研发投入，但首个由AI设计进入临床的分子DSP-1181，已因未达预期而被研发方放弃。这一案例提示，AI在靶点发现和化合物设计上的成功率并非必然，若企业选择不披露靶点，外界便无法通过类似失败案例来校准对AI管线成功率的预期，行业整体的技术验证闭环因此出现缺口。
技术验证偏差：辅助角色被误读为颠覆力量
靶点披露数据还揭示了一个被资本热潮掩盖的事实：运用AI发现新靶点的管线仅占4.0%，这说明在当下的临床管线中，AI更多担任的是辅助优化角色，而非颠覆性的靶点发现引擎。然而，资本市场对AI制药的热情却建立在“AI大幅提升研发效率”的叙事之上——2022年AI制药赛道融资总额达62.02亿美元，同比增长47.67%。当实际临床管线中AI的核心创新贡献（新靶点发现）占比有限，而近三分之一管线又拒绝披露靶点时，外部评估极易将“AI辅助优化”误读为“AI原创发现”，从而系统性高估管线的技术含金量。
这种验证偏差的风险在行业积累期被进一步放大。AI+药物设计当前仍处于积累训练期，管线数据的透明度直接关系到行业能否建立可信的基准。靶点信息不透明不仅阻碍了外部对单条管线的判断，更使得整个AI医疗行业在从“讲故事”走向“验证故事”的关键阶段缺乏公共的、可检验的证据基础。若这一状态持续，行业可能面临两种后果：要么因过度乐观催生泡沫，要么因无法验证而丧失信任，两者均不利于AI医疗的长期健康发展。
常见问题
为什么部分AI药物管线选择不公布靶点？
企业不公布靶点的原因可能多样，包括商业机密保护、专利策略考虑，或靶点本身属于相对成熟的已知靶点、创新性有限。但客观上，这种不透明使得外界难以区分管线的真实创新含量。
靶点不透明是否意味着管线质量一定不可靠？
不一定。靶点未公布不等于管线无效，但它确实增加了外部验证的难度。在缺乏靶点信息的情况下，投资者和研究者难以独立评估管线的科学基础与差异化价值，只能更多依赖企业自身披露的临床数据。
如何降低靶点不透明带来的行业风险？
从行业层面看，推动更规范的信息披露标准、鼓励企业公布靶点及AI在发现过程中的实际贡献边界，是缩小验证缺口的可行方向。第三方独立评估机构对临床管线的机制验证，也能为行业提供更客观的质量参照。