感冒時，我們經常會服用退燒藥；受傷後，我們則會塗抹消炎藥膏。這些藥物的誕生，其實是科學家嘔心瀝血的成果，例如，阿司匹林是科學家們從柳樹皮中發現其天然成分後，前後歷經136年努力才成功將它轉化為藥片；青黴素的發現更是偶然，科學家在黴菌中觀察到抑菌作用後，再花費多年才成功提純出可用的藥物。

藥物的開發不僅需要找到有效的活性分子，還需要一把「鑰匙」——催化劑，用來打破分子間的惰性，加速藥物合成過程。過去，研發新藥如同在黑暗迷宮中摸索，而在今天，人工智能（AI）正為這座迷宮點亮明燈。

模擬預測 設計「分子藍圖」

設計藥物分子的過程，以往就像用積木搭建城堡，科學家需反覆嘗試各種組合，耗時費力。現在，AI化身「虛擬設計師」，能快速篩選出最有效的分子結構，例如，DeepMind公司開發的蛋白質結構預測程式「AlphaFold」，通過分析蛋白質摺疊規律，成功預測了超過2億種蛋白質的三維結構，為藥物研發提供了精準的「分子藍圖」。科學家可以根據這些藍圖資料，設計出能與特定靶點結合的分子，大幅提升效率。

催化劑是藥物合成的關鍵，能降低合成反應所需能量，讓分子更容易結合，然而，設計高效催化劑需要大量實驗。AI的加入則改變了這局面，它能快速類比數千種催化劑結構的性能，幫助科學家迅速地找到最佳選擇。未來，預料AI與科學家的合作將實現更精準、高效的分子合成。

即使有了藥物分子和催化劑，如何將原料轉化為最終藥物仍是難題。傳統方法依賴科學家反覆試錯，而AI能整合海量資料，快速預測反應條件和產率（即實際產物量與理論上產物量的百分比，用來衡量反應的效率）。

以在製藥工業很常用的「Buchwald-Hartwig偶聯反應」為例，這是一種用來把芳香環和胺類結合起來的化學反應；通過AI，科學家只需要輸入原料和條件，就能判斷反應的可行性，並估算產率。雖然這一預測目前還在初級階段，但其效果就像從高空俯瞰迷宮，清晰標註出正確路徑。

AI縮短了藥物研發的周期，將科學家從繁瑣的試錯中解放出來。未來，隨着AI技術的進步，人類將進一步推動藥物設計的革新。科學家將與AI攜手，為人類健康開闢更廣闊的道路。

●圖、文：香港青年科學院提供

授課人：汪君教授 香港青年科學院院士 香港浸會大學化學系

阿司匹林研發歷史時間軸

時間　　　　　事件

西元前15世紀　古埃及《埃伯斯紙草文稿》記載柳樹皮用於消炎止痛

西元前4世紀　古希臘醫學家希波克拉底使用柳樹葉/皮煎劑治療發熱和疼痛

1763年　英國牧師愛德華·斯通科學驗證柳樹皮退燒效果，發表於英國皇家學會

1828年　約翰·布赫納（德國藥學家） 首次從柳樹皮提純出活性成分「水楊苷」（Salicin）

1838年　拉法萊·皮里亞（意大利化學家） 水解水楊苷製得「水楊酸」（SalicylicAcid）

1853年　夏爾·熱拉爾（法國化學家） 首次合成乙醯水楊酸（阿司匹林化學結構）

1876年　托馬斯·麥克萊根（蘇格蘭醫生） 臨床證實水楊酸退熱抗風濕，但副作用強（胃出血）

1897年　菲利克斯·霍夫曼（拜耳藥廠化學家） 改進合成法，穩定生產高純度乙醯水楊酸

1899年　拜耳藥廠註冊商標「Aspirin」並推向全球市場

1950年　勞倫斯·克雷文（美國醫生） 首次提出阿司匹林具抗凝血作用（預防心臟病）

1971年　約翰·範恩（英國藥理學家） 發現阿司匹林抑制前列腺素合成的機制，獲1982年諾貝爾獎

1980年代後　多項大型臨床研究確立阿司匹林於心血管疾病（如心肌梗塞、中風）的預防作用

21世紀　持續研究探索抗癌、防失智等新用途，並優化低劑量療法