生物医学数据孤岛问题由来已久，AI医疗行业经历了从数据稀缺到大数据积累、以及联邦学习等隐私计算技术兴起的关键拐点，但整体仍处于发展初期，尤其在药物研发领域，AI的应用尚不能为效率和成功率带来革命性改变。
数据稀缺与人类经验的局限
AI医疗发展的首要瓶颈在于高质量生物医学数据的缺乏。正如约投顾所分析的，药物开发领域虽然积累了海量的信息，但未知的更多。例如，人类基因组学计划之后，我们对大部分蛋白的功能、修饰变化以及细胞信号通路的理解仍然有限。化学结构空间广阔，预计评估的化合物数量级在10的60次方，而目前了解的只是冰山一角。人类经验本身的不足，使得AI难以复制和优化，这是行业面临的第一个关键拐点。
从数据难以量化到算法突破
第二个关键拐点在于行业经验难以被数据化和量化。约投顾指出，我们对部分疾病进行了较为粗糙的分类量化，但对健康和表型的定量测量刚刚起步。高质量的生物医学数据缺乏，数据孤岛一直是难以解决的问题。同时，药物研发的反馈周期长，从细胞模型到动物模型再到人类个体，效果差异巨大，使得AI优化缺乏清晰的正负反馈。这些因素共同制约了AI在医疗领域的广泛应用。
后AlphaFold2时代与蛋白质工程
2021年，AlphaFold2的横空出世成为AI医疗领域的一个重大转折点。约投顾介绍，AlphaFold2解决了蛋白结构预测的问题，其精度可与实验相媲美。这一突破启发了基于深度学习的蛋白质设计新方法，使得AI在蛋白质工程领域展现出超越人类的能力。例如，以GPT为代表的大模型在蛋白质设计方面已经完全碾压了人类，能够设计出具备特定性能（如耐高温）的目标蛋白，其逻辑甚至违背了人类直觉，抓住了更本质的因素。这标志着AI从辅助工具向核心创新驱动力的转变。