隨著藥物研發相關文獻、專利及研究數據快速增加，單一研究人員或小型團隊已難以全面掌握，而AI雖可協助加速資訊搜尋與整理，但通用型AI在科學資料的準確性與可驗證性上仍有侷限。近期，美國化學學會(ACS)旗下專注於科學知識管理的部門化學文摘社(CAS)推出一款專為科學研究而打造科學智慧代理式AI「CAS Newton®」，結合經科學家人工整理的文獻與專利資料，協助藥物研發團隊加速資料搜尋與研究決策，協助研究人員加速藥物探索與研發決策。

藥物探索文獻爆量 通用型AI難兼顧可信度與機密性

CAS指出，手動文獻回顧、分散的資料庫以及臨時搜尋，對許多團隊而言仍是預設的工作方式，但手動文獻回顧、分散的資料庫以及臨時搜尋，不僅耗時，也容易有所遺漏。

儘管通用型AI工具可加速部分工作，但目前多數都以對話式語言進行最佳化，在科學資訊的準確性與可驗證性上仍有侷限，可能衍生時間成本、決策依據難以驗證，以及專有資訊外洩等風險。因此，如何兼顧研究效率、資訊可信度與機密性，也成為藥物研發團隊導入AI時的重要考量。

Flagship Pioneering 資深顧問、Novo Nordisk 前外部暨探索創新企業副總裁 Ulrich Stilz在公開場合提到，AI在藥物探索領域能發揮多大效益，很大部分取決於底層資料的品質與結構。他認為若能將AI的進階推理能力與經過深度整理的科學資料結合，不僅有助於提出更具依據的研究假設，也能進一步轉化為實際可執行的研發決策，成為推動下一代藥物探索流程的重要關鍵。

CAS Newton串接百年科學資料庫 兼顧證據追溯、IP保護

今年CAS推出的科學智慧代理式AI「CAS Newton」，整合於藥物探索平台CAS BioFinder®平台，並串接累積超過百年的CAS Content Collection^TM科學文獻與專利資料庫。這些資料過去皆由數百名科學家持續整理、分類及建立關聯，讓AI不只是從大量資料中產生答案，也能根據經過整理的科學證據提供研究資訊，並讓研究人員進一步追溯資料來源。

在藥物探索過程中，研究人員可透過CAS Newton協助回答「這個標靶值不值得開發？」、「過去是否有人做過但失敗？」、「可能有哪些安全性風險？」等問題。

尤其是過去較難搜尋到的負面研究結果及失敗案例，也能納入分析，協助團隊更快判斷研究方向是否值得繼續投入，避免重複嘗試已失敗的方法，將資源集中在更具潛力的研發策略。

此外，CAS Newton也強調資料安全與智慧財產權(IP)保護。不同於部分通用型AI服務可能使用使用者輸入內容進行模型訓練，CAS Newton不會跨使用者使用查詢內容進行訓練，可降低未公開標靶、化合物系列或實驗計畫等機密資訊外洩的風險，讓研發團隊在利用AI加速資料分析與決策的同時，也能兼顧研發機密與智慧財產權保護。

更多CAS Newton相關資訊及試用申請，可參考此表單。