扫全候选空间：多agent进了药研决策

《科学》杂志刊了个多 agent 系统的新研究：Virtual Biotech——专门辅助药物开发决策。它把多样的生物医学与临床证据综合进一个统一平台，据称有机会找出那些 otherwise 会被错过的治疗机会。文章：scim.ag/4jaXFBv

"多 agent 帮人决定押哪个药"，这件事的分量要看清三层。

第一层是任务形态。药物开发的决策从来不是缺数据，是数据太多太散——分子证据在一拨论文里、临床结果在另一拨、机制解释在第三拨，人脑拼图的带宽有限，漏掉的"治疗机会"多半不是没出现过，是没人同时看得见所有证据。

把综合与发现交给多 agent：一类 agent 啃分子文献、一类盯临床终点、一类专挑矛盾，再在统一平台上对账——这正是"按技能切"在最高风险领域的一次落地。分对了工，才有人敢说"这个组合别人没想到"。

第二层是证据的分量。它登在《科学》上而不是产品博客里，意味着方法与效果过了同行评议这道关——今晚的安全线三连读说过"别问你信不信、问它交不交得出证据"，这篇就是把证据链走完的样板：可复现的方法、明确的评测、期刊的背书。AI 进入高风险决策场景的门槛，就是被这类"正经证据"一寸寸垫起来的。

第三层是定位的清醒。系统的角色写得准确——"辅助决策"，不是替人拍板。药企的最终押注仍要由人承担，AI 在这里做的是把候选空间扫得更全、把依据摆得更齐；这与今晚责任那篇的说法严丝合缝：它解决"谁来留痕"，不解决"谁来负责"——留痕越完整，负责的人越有据可依。

给生命科学方向的人一句落地的：先别问"AI 能不能发现新药"，问它能不能在你手头某个具体适应症上，把二十年的散装证据拼成一张你还没看过的候选表——拼得出、每条有出处，它就已经在替你省下最贵的那种人力：翻文献的人时。