AI+醫療，被神話了

轉自：氨基觀察

氨基觀察-數字醫療組原創出品

作者 | 張曦

資本市場再度沉迷於AI醫療的宏大敘事。

甲骨文創始人Larry Ellison宣稱，只需48小時，用AI檢測出你體內的癌症，用48小時造出專屬疫苗。

他說，這是“人工智能的承諾”。

木頭姐發佈的《Big Ideas》報告預言：到2030年，AI將使藥物開發成本降低4倍、癌症篩查效率提升20倍、DNA測序成本暴跌1000倍。

她說，醫療保健是最被低估的AI應用。

那些AI醫療概念股的股價徹底摁不住了，泛癌早篩Grail帶頭狂飆，年初至今漲幅超200%，AI精準醫療Tempus漲幅達165%，就連當年跌至谷底的AI製藥玩家，也重回上漲之路。

資本市場的計算器永不停歇，但藥企的計時器刻着不同法則：

Moderna的mRNA腫瘤疫苗耗時8年挺進III期臨牀，其AI賦能的6周生產週期，距離“48小時狂想”仍有57倍時差；Grail的SYMPLIFY試驗持續追蹤5年，纔敢將甲基化模型特異性錨定在99.5%，但敏感性只有51.5%；Tempus的臨牀數據庫覆蓋全美38%癌症患者，但醫療AI業務僅貢獻12.6%營收……

更戲劇性的是，曾經激進的AI信徒正在撤退——當2024財報再度不及預期，Moderna選擇收縮AI戰線，改造數字團隊、裁員10%，首席信息官Brad Miller離職。

這背後，固然有Moderna自己的問題，但是，這種反差也映射出一個更深刻的命題：生命科學的複雜性，遠非技術樂觀主義者想象中那般容易被顛覆。

就像加拿大腫瘤學家、放射科醫生William Makis對Larry Ellison的評論：

這不是人工智能承諾，甚至不是一個好的科幻小說，而是純粹胡說八道。

這可真是個魔幻的時代。

AI醫療狂想曲

“AI將使藥物開發成本降低4倍，並將研發投入的回報提高5倍；AI將使癌症篩查的效率提高20倍，並且將市場規模擴大10倍；AI藥物的商業價值將比標準藥物高20倍，比同類最佳的精準藥物高2.4倍”——華爾街的財富密碼，藏在ARK的《Big ldeas》報告裡。

靠特斯拉一戰成名的木頭姐，最新看上的是Tempus。因爲在她看來，當前醫療保健是最被低估的AI應用。

她旗下的首席未來學家Brett Winton用了一個我們耳熟能詳的故事，來形容當前的技術發展態勢：國王承諾發明象棋的大臣，可以在棋盤的第一個格子上放一粒麥子，隨後每個格子都翻倍。起初這個要求看似簡單，但到了棋盤後半部分，所需麥粒的數量呈現出驚人的指數級增長。

如今的技術發展正處於類似的階段。《Big ldeas》表示，利用人工智能來“操作”數據將顛覆診斷、藥物發現和治療，到2030年，整個行業的表現將提升幾個數量級。AI將徹底改變多組學工具、藥物研發、分子診斷，並顯著改善藥物的經濟回報。

這份報告一出，再度引爆Tempus的股價。而早在去年10月，木頭姐就已經完成Tempus的建倉，並一路增持至今。

事實上，如ARK提出的這般宏大目標，我們並不陌生。

去年10月，全球知名AI公司Anthropic CEO Dario Amodei發表2萬字長文，發出預言，未來人工智能支持的生物學和醫學，將使50-100年的生物進展壓縮爲5-10年，在這個基礎上，能治癒大多數疾病、消滅癌症、預防阿爾茨海默氏症、延長人類壽命到150歲……

這還不算什麼。今年1月份，特朗普政府推出的“星際之門”計劃，由OpenAI、軟銀和甲骨文成立合資公司，投資5000億美元建設AI基礎設施。在白宮的發佈會上，甲骨文董事長Larry Ellison認爲AI將徹底改變醫療保健；未來只需48小時，用AI檢測出你體內的癌症，用48小時造出專屬疫苗。

又一個AI“神話”。這般預測，也直接帶動了Grail的股價大漲。

別問，問就是未來可期。

但是，那些坐在實驗的人坐不住了。醫學博士Berci Meskó表示：

“（48小時造疫苗）聽起來很棒，但現實卻遙不可及，所以這很容易誤導人。在這些技術安全有效地惠及患者之前，嚴格的研究、試驗和監管是必不可少的。”

加拿大腫瘤學家、放射科醫生William Makis更是直言不諱，這是胡說八道。

Moderna咬碎泡沫

誰對誰錯，疫苗巨頭Moderna最有話語權。

經歷過兩千億美元巔峰的Moderna，旁觀着這場AI醫療狂歡，然後決定裁掉10%的數字團隊。

從員工數量角度出發，這次裁員微不足道。但是，當激進的AI信徒都開始戳泡沫，我們也不得不重新審視那些有關顛覆的豪言。

畢竟，在mRNA技術登頂諾貝爾獎之前，Moderna已經走了14年，而資本市場給的耐心，從來不超過4個財報季。

Moderna非常重視人工智能，並在2023年11月舉辦了一場相關主題的投資者活動，向外界展示其數字戰略，以及AI在加速其創新、規模和價值創造方面的作用。

這也被外界視爲其轉型破局的關鍵舉措。Moderna相信，AI是公司成功的關鍵，因爲AI既可以保持企業精益運作（不是依靠人員的擴展），又可以不斷突破公司的創新能力。

彼時，尚未離職的Brad Miller在那次活動中說，“我們相信，我們必須成爲一家實時AI公司，將AI嵌入到我們公司的方方面面”。

Moderna不僅迅速推出了自己的生成式人工智能產品mChat，還開展了大量工作，推動人工智能在開發mRNA藥物方面的應用，比如創建新候選蛋白質的人工智能生成模型、圍繞小分子的人工智能生成模型，以及在藥物臨牀研究、藥物警戒、生產製造甚至商業領域的應用。

在AI領域的投資，是爲了打造最好的Moderna。Moderna曾這樣說。

耐人尋味的是，Moderna希望通過AI提高員工的整體效率，而當公司迫於現實，收縮成本之際，數字團隊也首當其衝。

去年，Moderna宣佈了一項成本縮減計劃，預計至2027年底削減約11億美元的開支。其表示這次重組不會涉及大規模裁員，預計未來三到五年內將保持大約6000名員工的規模。

然而，繼Moderna工廠裁員，調整製造成本結構後，業績依然不佳，2024年收入下滑53/4%至32億美元，淨虧損36億美元。重壓之下，Moderna再度傳出裁員消息，指向了數字部門。

創造效率的部門，也難逃一裁。

當科學家的肝碰到資本的嘴

擁抱AI，又被AI反噬，固然有Moderna自身的原因。陷入困境後，爲了節省成本而砍早期管線、裁員。但仔細想來，AI不正是要來幫助它降本增效的？

或許是經歷前期高舉高打、全員投入後的Moderna，發現現實與預期，差得有點遠。又或許是，歷時兩年轉型，華爾街的耐心已經耗盡，也不再接受Moderna靠AI講故事、畫餅。

Moderna的轉身，就像一盆冷水澆下，提醒人們：狂歡之下，現實依然骨感。

這種割裂源自生物系統與數字系統根本性的範式差異，以及產業節奏的錯配。

Moderna用十年時間將個性化腫瘤疫苗（Moderna稱爲INT療法）研發週期壓縮到6周，這本該是AI賦能的最佳案例。

早在2016年，Moderna便與默克達成合作，致力於mRNA個性化腫瘤疫苗mRNA-4157的研發。

這是一款基於新抗原的個性化癌症mRNA疫苗，利用特有的自動化算法，可靶向患者的特異性突變，且編碼多達34種新生抗原。目前，其已在輔助黑色素瘤進入臨牀三期，也同時進行輔助非小細胞肺癌、皮膚鱗狀細胞癌等的臨牀研究。

最重要的是，這款疫苗從研發到生產製造，都有AI的參與。在研發端，Moderna重點強調，整個過程不需要人員參與，而是多個AI算法以完全自動化、完全集成的方式連接在一起的。

而在生產製造端，Moderna使用AI工具來協調製造資源的調度，以便生產數千種個性化藥物，滿足正在進行的臨牀試驗的患者需求。核心是Maestro平臺，這是一個端到端的數字解決方案，通過真實數據和AI，不斷優化整個生產和交付流程。

利用Maestro這樣的數字協調工具，Moderna不斷提高着自己的效率。目前，其製備腫瘤個性化疫苗需要6周左右的時間。

這與Larry Ellison暢想的48小時自動製備，還有很遠的距離。

而根據Moderna官網技術白皮書披露：個性化疫苗開發流程中，平均需35天收集並分析患者抗原呈遞細胞反應數據。

換句話說，6週中的5周都用於等待患者T細胞免疫反應數據。這是AI再強大的算法也無法逾越的生物學時間常量。

早篩也是如此。Larry Ellison口中的將AI應用於早篩並不是什麼新鮮事，成立之初Grail就在探索這件事，比如其甲基化泛癌早篩新模型。

Grail是以CCGA（循環細胞遊離基因組圖譜）研究開啓了早篩的探索。其核心是想通過一個血液ctDNA的大型臨牀試驗（萬人、隨訪5年），收集樣本、建立血液檢測癌症的基因組數據庫，然後通過機器學習大數據建模進行結果分析判斷。

Grail首席醫療官Josh Ofman說，“癌症可能會呈現成千上萬個甲基化的變化，通過這些更豐富的信號，可以使用機器學習算法來檢測癌症的存在”。在整個人類基因組中，有3000萬個甲基化位點存在於10萬個DNA片段上。Grail觀察了100萬個這樣的數據。

這需要工業級的人工智能才能在所有這些數據中找到問題。Grail在此基礎上，推出了不完美的產品，雖然篩出率低（敏感性51.5%，I-III期爲40.7%），但好在廣且假陽性低（特異性99.5%，組織溯源準確性88.7%），且性能經過廣泛的臨牀研究驗證。

這是Grail用近10年，燒了幾十億美元后，達到的一個成績。

而當資本向生命科學領域傾倒算力時，沒有哪個醫學家能肝得過。

/ 04 /

既要期待，又要清醒

儘管AI與之前的技術革命最大的區別就在於它的發展速度。指數增長開始時很慢，但很快就會加速。

然而，生命科學的複雜性，決定了其顛覆不可能來自單點技術突破，而需要依賴跨學科、長週期的系統創新。這要求我們，關於未來，要保持樂觀與期待，但關於現實，也要有着清醒的認知。

直到今天，Grail還在其SYMPLIFY臨牀實驗基礎上，優化着自己的甲基化泛癌早篩模型測試。“我們現在每優化1%的模型特異性，需要額外整合3.7TB的臨牀病程數據。”Grail工程師在技術博客中這麼說。

後續如果要應用，Grail還需要在訓練集上重新訓練模型，再進行大規模前瞻性驗證。

任重而道遠。只有當算法迭代、數據積累、臨牀驗證形成閉環時，技術紅利纔會真正釋放。在此之前，任何將AI+醫療過度神話的預期，都不過是資本催生的泡沫。

AI能夠提升效率，甚至帶來模式的重塑，AI對於醫療全產業鏈都意義重大，從研發到診療到治療，每一步都需要時間的探索，不能盲目樂觀。

畢竟，再強的AI也算不過三件事：在培養皿裡擺爛的細胞、藥監局審評員的起牀氣，以及韭菜們用真金白銀投票時的反身性暴擊。

（轉自：氨基觀察）