Hi～新朋友，记得关注我们哟
一款 AI 智能体几乎自主地为已获批药物提出了新的医疗用途——这些用途后来通过对分离的人类细胞进行的实验得到了支持——而人类只负责指定要治疗的疾病，并执行 AI 提议的实验。
最新消息：开源智能体 Robin 发现干性 AMD 潜在疗法
来自 FutureHouse、牛津大学和福坦莫大学的研究团队发布了开源智能体Robin。该系统能针对特定疾病筛选现有药物的新用途。在针对干性年龄相关性黄斑变性（dAMD）的测试中，Robin 识别出两种能作用于该病生物机制的药物，并经细胞实验验证有效。
Robin 基于 Apache 2.0 许可免费开放（含商业用途），但其运行依赖三个子智能体：文献检索智能体 Crow 和 Falcon（仅限研究使用，免费打包为 Literature），以及数据分析智能体 Finch（Apache 2.0 许可）。
运作方式：人机协作的迭代闭环
Robin 的工作流程是一个由人类指定疾病、AI 主导分析与设计、人类执行实验的迭代循环，核心采用 OpenAI GPT o4-mini 处理语言任务：
1. 机制识别与实验设计
输入疾病名称后，Robin 提出问题，由 Crow 检索文献并生成摘要以回答问题，进而识别出 10 种潜在致病机制。随后，Crow 针对每种机制设计实验室测试方案，Robin 利用 Claude 3.7 Sonnet 对方案进行评估排序。
2. 药物筛选与评估
基于最优实验设计，Robin 搜索 30 种作用于该机制的已上市药物（确保安全性且未用于该适应症）。Falcon 智能体总结相关研究并生成报告，Robin 再次通过 Claude 3.7 Sonnet 以锦标赛方式对药物进行排序。
3. 实验执行与数据分析
人类研究员根据名单在实验室测试候选药物，上传结果后由 Finch 智能体进行分析总结。Robin 据此生成后续实验计划，循环往复直至找到满意候选项。
测试结果：成功提升 RPE 吞噬作用
研究团队以 dAMD 为对象运行该流程。Robin 假设增强"RPE 吞噬作用”（眼内细胞清除碎屑的过程）可治疗该病，并成功筛选出两种有效化合物：
首轮测试：Y-27632
Robin 识别出化合物 Y-27632。人类研究员在眼细胞测试中发现，使用该药物后 RPE 吞噬作用量增加近 2 倍，后续人工分析确认了这一结果。
二轮测试：Ripasudil
基于首轮数据，Robin 在第二次运行中识别出日本已获批的青光眼药物 Ripasudil。测试显示该药物使 RPE 吞噬作用增加 1.89 倍（人工分析为 1.75 倍）。研究指出，由于生物数据解读存在模糊性，自动化分析与人工结论可能存在细微差异。
局限性与行业背景
局限性：目前测试仅在分离的眼细胞上进行，尚未在患病个体或活体模型中验证，临床有效性仍待确认。
新闻背后：此项工作延续了 AI 加速科学研究的趋势。此前已有系统生成高质量机器学习提案、自动编写代码测试并撰写论文；谷歌的 AI Co-Scientist 也曾在急性髓性白血病研究中生成经人类验证的生物医学提案。
重要意义与展望
核心价值：Robin 不仅能生成假设和设计实验，还能分析新结果并动态更新假设。这种自动化与迭代的结合有望大幅简化医疗研发进程。未来结合如 RoboChem 等自动化实验室机器人技术，AI 模型甚至可直接执行物理实验，该模式亦可推广至医学以外的科研领域。
行业痛点：美国新药研发平均耗时超十年、花费逾 10 亿美元，且年获批数量仅约 50 种。利用 AI 为已获批药物寻找新适应症（老药新用），或针对相同生物机制开发新疗法，是提升研发效率、节约资金时间的关键路径。
