最近，NVIDIA 發佈了備受關注的《State of AI in Healthcare and Life Sciences: 2026 Trends》調研報告。這份報告基於 2025 年 8-9 月對全球 600 多名醫療和生命科學專業人士的調查（管理層與 AI 從業者各佔一半），涵蓋製藥、醫療器械、數字醫療、支付方與提供方等多個細分領域。報告用實打實的資料告訴我們：AI 已經在醫療健康行業站穩腳跟，而且正在加速從“嘗鮮”走向“規模化盈利”。過去一年，AI 的應用成熟度明顯躍升。報告直言，AI不僅幫助醫療器械廠商快速適應新法規，還大幅縮短新藥研發時間，甚至能建立人體數字孿生來輔助癌症治療。更讓人振奮的是，AI agents（智能代理）正讓醫生們把時間還給患者，而不是埋頭在文書工作裡。AI採用率持續攀升，70%企業已在實際使用報告顯示，2025年有 70% 的受訪組織正在積極使用 AI，比2024年的 63% 又上升了7個百分點。其中，生成式 AI 和大語言模型的使用率從 54% 躍升至 69%，成為最熱門的工作負載。各細分領域全面進步：數字醫療：78%（去年70%）製藥與生物科技：74%醫療器械、工具與診斷：70%支付方與提供方（醫院、保險公司等）：56%（去年僅43%，大漲13個百分點）中大型企業（員工超100人）採用更多類型AI，包括生成式AI、資料分析、Agentic AI等，幾乎每個工作負載都比小企業高出約 10個百分點。生成式AI和資料分析仍是各行業前兩大重點，只有醫療器械領域把電腦視覺排在首位（59%）。預測與資料分析仍是AI核心，臨床決策支援最受歡迎65% 的組織把 AI 用於資料分析和資料科學，42% 用於支援臨床決策。這兩大應用貫穿藥物發現、影像診斷、個性化醫療等全鏈條。分行業看，用法各有側重：製藥與生物科技：藥物發現與開發（57%）、基因組應用（44%）數字醫療：虛擬健康助手與聊天機器人（52%）、臨床文件自然語言處理（50%）支付方與提供方：行政任務與工作流最佳化（52%）醫療器械：醫療影像（61%）整體而言，臨床決策支援是全行業最受歡迎的AI用例（42%），其次是醫療影像和行政工作流最佳化（各 38%）。真實盈利來了！醫療影像和藥物發現ROI最亮眼這是報告最鼓舞人心的部分：當 AI 針對具體場景落地時，回報非常明顯。醫療器械領域：57% 的企業表示醫療影像AI已產生ROI製藥企業：46%表示藥物發現與開發AI實現ROI數字醫療：虛擬健康助手與聊天機器人是最高回報用例支付方：行政工作流最佳化回報最顯著全行業來看，醫療影像、工作流最佳化、臨床文件自然語言處理是前三大ROI用例。管理層反饋：85%認為AI幫助年度收入增長80%認為AI幫助年度成本下降44% 的管理者表示收入增長超過 10%（小企業更高達56%）開源模型成“秘密武器”，82%企業視其為戰略關鍵為什麼AI能精準落地？報告給出的答案是開源。82%的受訪者認為開源模型和軟體對AI戰略“重要”或“非常重要”，其中小企業認可度更高（64% 認為非常重要）。開源讓企業能用自己的資料微調模型，打造高度專用的AI解決方案，而不是用通用大模型“將就”。推理性能（模型精準度、資料合規、成本效率）成為大家最關注的點，38% 把模型性能與合規列為首要因素，37% 最看重總擁有成本。基礎設施也在悄然變化：混合計算（本地+雲）使用率從去年的 35% 升至 43% ，純雲部署則從 41% 降至 35% 。Agentic AI初露鋒芒，47%組織已在嘗試今年報告新增了 Agentic AI（智能代理）專題，結果讓人驚喜：47% 的組織已在使用或評估AI agents其中 22% 已實際部署，19% 計畫明年部署大企業部署比例更高（27% 已部署）製藥與生物科技領域最積極：48% 用 AI agents 做藥物發現和生物標誌物識別。整體最受歡迎的 Agentic AI 用例是：知識管理和檢索（46%）文獻綜述與分析（38%）內部流程最佳化（37%）分行業看，製藥側重文獻綜述（55%）和藥物發現（48%）；數字醫療最愛患者聊天機器人（49%）。不過挑戰也不小：性能可靠性（27%）、資料相關問題（隱私、安全）、監管合規是三大痛點。40%的企業表示，HIPAA、FDA審批、GDPR等合規要求是實施Agentic AI的最大影響因素。2026年AI預算大增85%，醫療AI進入“飛輪期”因為看到了實實在在的回報，企業信心滿滿：85%的受訪者表示2026年AI預算會增加近一半企業增幅超過10%預算主要流向：最佳化現有AI工作流和生產周期（ 47% ，比去年上升）建構或獲取更多AI基礎設施（ 34% ，比去年上升）報告總結：醫療AI正進入“飛輪階段”——早期試點成功→更多投資→更好效果→更大投資。2027年，AI 很可能從單純預測分析轉向更成熟的 Agentic 系統，在患者群體、臨床試驗、護理流程中實現端到端智能推理。總結：AI不是“未來”，已經是醫療的“現在”這份 NVIDIA 報告用 600 多份真實調研資料證明：AI 正在讓醫療更高效、更精準、更親民。無論是大藥企用 AI 加速新藥研發，還是醫院用聊天機器人減輕醫生負擔，或者保險公司用工作流最佳化降低成本，AI 都已交出漂亮答卷。當然，預算、人才、資料合規仍是需要跨越的門檻。但趨勢已經清晰：誰先把 AI 和自身業務深度融合，誰就能在 2026 年搶佔先機。 (AI資訊風向)

在本周四，曾經出演過《實習醫生格蕾》、《亢奮》等影視作品的演員埃瑞克·戴恩離開了這個世界，享年53歲。（埃瑞克·戴恩）10個月前，埃瑞克宣佈自己被診斷出患有肌萎縮側索硬化症（ALS），也就是大家所知道的漸凍症。漸凍症是一種運動神經元疾病，會導致患者的肌肉逐漸麻痺。最終，患者會喪失說話、吃飯、行走和獨立呼吸的能力，只能無力地迎接死亡。（埃瑞克患病後無法行走）到目前為止，漸凍症是一種無法治癒的疾病，而且它的死亡來得十分迅猛。10%的患者會在第一年內死亡，50%的患者在兩年半內死亡，90%的患者在五年內死亡。最終，埃瑞克倒在了與病魔抗爭的第10個月。他的家人通過媒體向公眾宣佈：“我們懷著沉痛的心情告訴大家，埃瑞克·戴恩在與漸凍症勇敢抗爭後，於周四下午去世。”（埃瑞克在劇中飾演一位患有漸凍症的消防員）就在埃瑞克去世的幾個小時後，Netflix平台上線了一部影片——《遺言》。（《遺言》）這部影片是埃瑞克生前最後一次採訪，它不僅是紀念，也是埃瑞克給自己兩個女兒——15歲的比莉和14歲的喬治亞——留下的一份珍貴的禮物。在影片中，他給兩個女兒留下了一段很有意義的話：“我盡力了，雖然有時會犯錯，但我盡力了。總的來說，我們過得很開心，不是嗎？”“我記得我們一起在海灘上度過的時光。你們倆，我和媽媽，在馬里布、聖莫尼卡、夏威夷、墨西哥……你們在海水裡玩耍幾個小時的樣子現在還能浮現在我的眼前，我的寶貝們。”“那些日子，說它是‘天堂’，真是再貼切不過了，”他補充道。（埃瑞克一家的合影）埃瑞克在影片中列舉了他在與漸凍症抗爭的過程中學到的四件事，他希望等他去世之後，孩子們仍然能記得這些：“我希望你們不僅能聽我說，更能聽懂我說的話。”“首先，活在當下，就是此時此刻。這很難，但我學會了。”“這麼多年來，我常常心不在焉，沉浸在自己的思緒中，飽受擔憂、自憐、羞愧和懷疑的折磨。我經常反覆思考過去的決定，質疑自己。‘我當時應該那樣做的。’現在，這一切終於結束了。”（埃瑞克為漸凍症組織拍攝的視訊）第二件重要的事，是學會愛。“不一定非得愛上某個人，雖然我也推薦那樣，”埃瑞克解釋道。“更重要的是愛上某件事，找到你的激情，你的快樂。找到一件讓你每天早上都能充滿動力起床的事，找到能讓你一整天都充滿活力的事。”埃瑞克告訴女兒們，他是在和她們差不多大的時候愛上表演的，儘管如今他身患絕症，但他仍然熱愛自己的工作。“我的工作不能定義我，但它讓我充滿激情。”“找到你們所熱愛的事物，找到你的道路，你的目標，你的夢想，然後全力以赴，真的要全力以赴。”（埃瑞克一家的合影）接下來，是要慎重選擇朋友。“找到你的同伴，也讓他們找到你，然後全身心地投入到他們之中。他們會給你幫助，不加評判，不附加任何條件，也不問任何問題。”埃瑞克說，他很感激他的朋友們，在他與漸凍症作鬥爭期間，每一個人都幫助了他。“我現在連以前能做的那些小事都做不了了。我不能開車在城裡兜風，不能去健身房，不能去喝咖啡，也不能和朋友們一起出去玩。我已經學會接受其他娛樂方式了——我的朋友們會來找我。”“他們只要出現就好，這一點很重要，只要出現就好。要全心全意地愛你的朋友，珍惜他們。他們會給你帶來歡樂，指引你，支援你，甚至會拯救你。”（埃瑞克一家的合影）他留給女兒們的最後一課，叫做“用盡全力，保持尊嚴地戰鬥。”他說：“疾病正在慢慢侵蝕我的身體，但它永遠無法擊潰我的精神。”他提醒她們，面對挑戰時要“永不放棄” ，並且要“戰鬥到最後一刻”。（埃瑞克一家的合影）除了他學到的四件事之外，埃瑞克告訴兩個女兒，他還給她們留下了一筆寶貴的財富——他的力量和韌性。“你們倆性格迥異，”埃瑞克說道。“但你們都很堅強，很有韌性。你們的韌性是從我這裡繼承來的。”“這就是我的超能力，我能一次又一次地重新振作的原因。”“所以，當意想不到的事情發生時——它一定會發生，因為這就是生活——即使看起來難以克服，也要以誠實、正直和優雅的態度去面對它。”“你們可以坦然面對生命的終結，可以有尊嚴地面對地獄，”他高聲說道。“女孩們，戰鬥吧，昂首挺胸！”“比莉和喬治亞，你們是我的心肝寶貝，你們是我的一切。晚安，我愛你們。”戴恩哽嚥著說，“這是我的遺言。”（埃瑞克在《遺言》中）以上，就是一位父親在生命的最後時刻，留給女兒的愛和智慧。如今埃瑞克已經去世了。對他來說，死亡是一種解脫，一份禮物。他的痛苦結束了，希望他獲得安寧。R.I.P. (INSIGHT視界)

胡歌週末愉快，靜心觀世面。為什麼這期想寫胡歌，是因為欣賞他在《生命樹》裡完全融入藏地的角色生命力，以及突然流出來的發佈會等視訊裡他明顯的鬱鬱寡歡、魂不守舍的狀態。其實，一個穿行過生死罅隙、在烈火車禍中重塑肉身的人，本該早已通透，能自如地在煙火俗世中取暖。何以至此？同為經歷過車禍的人，我明白那種感受，就算你通透了還是會痛苦。因為人生的功課，從來不是一通百通。那怕靈魂已在千錘百煉中變得堅韌，依然會有繞進迷霧、困於孤寂的時刻。百煉鋼與繞指柔本就一體。這不是修行不夠，而是人性的必然。另外我想，人在理想的創作之境、生發之作裡浸潤過，重新生活在人情世故之間，是很不適應的。創作時的他是完整的、燃燒的，那是他與世界最深情的對話。可一旦戲散場，那些從骨子裡生發出的生命力，便成了他在庸常生活裡的負擔。為了扮演多傑，胡歌在三江源的土地上，對他者的生命進行了可謂骨血級的像素拓印，從物理到心理層面，完全接納了自己是個當地人。他解除安裝了那個精緻、克制、帶有傷痕的海派胡歌，強行安裝了一個粗糲、虔誠、與大地共生的藏地新歌。以前的胡歌，無論是梅長蘇還是阿寶，身上都有一層厚厚的文明修飾感，那是海派文化的精緻與克制。但在《生命樹》裡，他在那片土地上呈現出的狀態，是皮膚與紫外線的肉搏，是呼吸與稀薄氧氣的迴響。他的藏語，他的口音，愛者見魂。在利者見秤的大環境下，他獨有他的魂。有一個鏡頭，多傑獨自坐在三江源的河灘上，面對著遠處的雪山。此時鏡頭切近景，胡歌的眼神裡完全沒有了“戲”。那是一種近乎枯禪的空，像蠟燭燒到頭、燈芯泡在蠟油裡那種慢慢暗下去的光。當他面對生命的消亡或自然的脆弱時，他的哭泣沒有設計感，甚至沒有鏡頭美感。他的肩膀是縮著的，動作是笨拙的。他在鏡頭前展現出了一種人之為人的侷限性。他沒有用演技去粉飾痛苦，而是允許那種“悲喜同源”的震盪直接貫穿身體。那一刻，他二十幾歲的舊傷口才完全融入他生命裡。還有一個，他在勞作間隙，滿臉塵土，卻對著鏡頭露出的一個極其短暫的，甚至是恍惚的笑。那個笑裡，沒有了胡歌標誌性的精緻嘴角，而是一種“見解脫”後的鬆弛。那是他在這場“成為自己”的戰爭中，暫時停火的白旗。他在那片荒野裡，給自己蓋了一座無形的草堂。草堂不要求成功，甚至不要求做最好的自己。因為“最好”本身就是一種貪婪，是另一種形式的枷鎖。真實是極其耗費能量的，每一個手起刀落的決定，都在命運的變遷中濺起耀眼的火花。極致的真，本質上是對生命能量的越級抽取。他在最好的年華裡，已經把能燒的、想燒的，都燒得太盡了。所以，他現在的安穩，其實是一種灰燼後的餘溫。他不需要更強烈的光了。你看，他的老婆並不耀眼，人們還揣測了半天究竟為什麼。我最近覺得，“成為自己”就跟“心想事成”一樣難。“心想事成”依賴的是運氣，而“成為自己”依賴的是主權意志。做最好的自己，其實又要運氣又要主權意志。人海茫茫，總有很多陰陽變數。在那個環境下生存都有不測的風雲。也許，可能只有草堂，才不管外界的風雲。胡歌的簡歷裡藏著兩次極其驚心動魄的歸零重啟。2006年，他在巔峰時刻遭遇車禍，他的助理也喪生，心理層面他面臨極大的壓力和挑戰。在那張滿是縫補的臉上，他不得不開始學習內在接管。人如何降伏其心？其實是很不容易的。在名利喧囂與倖存者的愧疚之間，要修出一段清淨的定力，其間的掙扎與內耗，外人終究只能窺見冰山一角。他前幾年還會深夜發抑鬱的狀態照片，其實是善意地向外界說明真相，坦露實相，表明在積極自救。後來他有了女兒很快樂，也毫不保留地宣佈自己的快樂。但後來也失去了母親，母親抗癌31年，他坦言6年都沒有從喪母之痛走出來。他整個人很需要愛的投射和寄託的，因此他並不會完全自洽。他此生應該都會長期在深刻的矛盾中。他並沒有在一場場生生滅滅中修得圓滿，反而像是一個在極晝與極夜之間奔跑的孩子，必須抓著點什麼，才能不被虛無吞噬。他選擇了一種最辛苦也最動情的活法。多情人應修無情道，可他終究沒修成，因為他那些驚心動魄的真，本質上是他在現實與理想的裂縫裡，用血肉在填補。他不肯無情，所以他註定要魂不守舍。他有那麼多人生要演繹，不真不多情，不行啊。2006年，他被迫從“偶像”系統離線，開始在漫長的康復中尋找那一點“定”。他曾一度很灰暗，想去做和尚，但一襲青衣大機率遮不住滿身瘡痍。也許要自建草堂。2015年，他的精神主權才得以重建。《琅琊榜》的梅長蘇，是他對自己苦難的一次巔峰變奏。他用林殊的重生，置換了自己的歸來。他不再掩飾傷痕，而是把傷痕變成了勛章。這一階段，他確立了自己在演藝工業中的技術主權。幾個媒體開始描述他的近況——那雙空蕩蕩的鞋跟、缺了一角的牙齒、領口莫名的鼓包……特別是缺了一角的牙齒令我一驚，因為我也一樣。我也沒什麼向別人求救的具體的事項，只是需要空間和時間。對，可能也需要自建草堂。當我看到訪談節目中他跟魯豫比劃的那個手勢，還是挺有共鳴的。這個手勢源自胡歌演了十年的話劇《如夢之夢》的手勢。戲中，他扮演的“五號病人”是一個瀕死者，他不斷地舉起手，試圖向這個世界、向愛人、向命運求援。在劇場那個特定的磁場裡，那個手勢是絕望的視覺符號。他無意識地比劃出這個動作時，說明他已經不再是扮演那個病人，而是那個病人的生命邏輯已經侵蝕了他的現實。他不需要向魯豫解釋，是因為這個暗號是發給那些同樣在精神廢墟上跋涉的人。解釋，就意味著你要把最隱秘的傷口攤開給一個不理解的人看，這會極大地損耗你內心的能量。我們普通人的時間是加法，我們看重的是“我已經活了多久”“我取得了多少成就”，這是一種處於增長慣性中的、向前看的邏輯。在這種邏輯裡，40歲是壯年，是起點。經歷過死裡逃生、目睹至親離去的人來說，時間是減法。他看重的是還剩多少時間。所以他才40多歲，他宣佈開始倒計時了，向死而生。倒計時不是恐懼死亡，而是極度的清醒。當你意識到人生是一場無法回頭的折返跑，你就會像胡歌那樣，任由鞋跟空著，任由臉頰凹陷。因為你正忙著剔除生命中所有虛偽的裝飾，只為了在歸零前，能更輕盈地跨過那道門。我倒是沒有緊迫感。我只是覺得很多人事物也變得可有可無。以前把更好的自己創作出來，是給自己當靠山的，現在發現，人世間可以留戀的人事物好像也挺少的，成為最好版本的自己，難度又跟心想事成一樣那麼難。活得太認真極致的人，痛苦是必然的。坦然自己不成功，不失敗，隨緣自適，才能長長久久。我想，那個手勢的意義是，他不需要路人來拉他，因為他知道沒人拉得動。他只是在告訴自己，“我知道你在這裡，我知道你還沒睡，我們一起把這剩下的路走完”。在藏地那片離天最近、也離死亡最近的土地上，樹的生長不是為了供人觀賞，而是為了在乾旱與風暴中，死死抓牢那一層薄薄的土壤。多傑在那裡的哭泣和勞作，其實就是胡歌在現實裡的突圍：既然無法從廢墟中全身而退，那就乾脆把自己種進廢墟裡，也是另一種自建草堂。當我們的生命邏輯不再是向外攀爬，而是向內深扎，那麼這種紮根的過程，必然伴隨著皮肉的磨損與精神的缺位，但那恰恰是真實生長的代價。你我經歷的一切，依然天大地大，萬物生生不息。最後的答案還是生生不息，那我就放心了。 (秦朔朋友圈)

就在今天，GoogleDeepMind開源人類底層程式碼！AlphaGenome登上了Nature封面，標誌著 DeepMind 在生物計算領域繼 AlphaFold 之後再下一城。相較於同類模型，AlphaGenome能夠一次性輸入100萬個鹼基對，並在單鹼基對的精度上預測數千種表徵其調控活性的分子特性。這是DNA領域的里程碑式突破。如今，AlphaGenome只需讀入一段DNA序列，提取調控基序與表徵活性，便可對數千種分子特性高度預測。該研究也得到了醫學大佬的認可，美國醫學院院士，斯克里普斯研究轉化研究生的創始人和主任Eric  Topol表示，這是AI在生命科學方面的又一大進步。早在2025 年6月，DeepMind就率先在 bioRxiv 發佈 AlphaGenome 預印本並推出 API，目前已經有來自160個國家的3000多名研究人員使用。如今，該成果被《自然》正式刊發，團隊正式對外開源了全部研究程式碼和模型權重。我們可以期待，在完全開放原始碼的情況下，有多少人類基因秘密被科學家們解開。解鎖人類98%的“垃圾基因”AlphaGenome由Google DeepMind的負責人DemisHassabis領導，他此前憑藉蛋白質模型AlphaFold2，獲得了2024年諾貝爾化學獎。Demis Hassabis曾放出豪言：「未來十年，AI將治癒所有疾病」。而AlphaGenome出世意味著，人類向理解生命本質又邁進一大步。要知道，距離全球科學家完成人類基因組測序，已經過去了23年了。但迄今為止，科學家仍然沒能解開DNA的秘密。以往的觀點認為，人類DNA僅有2%，剩下的98%都是DNA都是“無用”的非編碼區。然而，現在剩下的98%並非是無用的基因，其中蘊含著豐富的調控資訊，包括調控基因開關、影響胚胎發育、參與形成特殊RNA、維持染色體結構等。因此AlphaGenome，其核心意義正是為瞭解碼這98%的“暗物質”區域。它能夠系統預測非編碼DNA序列的功能和變異影響，幫助科學家從海量無用資訊中高效篩選出真正具有生物學意義的寶藏，從而理解疾病機制、助力藥物研發。解開人類底層密碼該模型基於Google DeepMind 的基因組學模型 Enformer 建構，採用Loop-aware 架構，並和此前推出的預測編碼區變異的AlphaMissense互補。同時，AlphaGenome整合了人類和小鼠的基因組資料，包含5930 條人類以及1128 條小鼠基因組訊號，這些訊號與基因表達、DNA 可及性和剪接等功能相關。這也讓AlphaGenome做到了以往同類模型到達不了的高度。1、又長又精準，100萬鹼基對的長序列輸入此前的模型要麼能處理長序列但解析度低（如Enformer和Borzoi），要麼解析度高但只能處理短序列（如SpliceAI和BPNet）。但AlphaGenome它一次就能掃描長達100萬個DNA鹼基對的廣闊區域，與此同時它做到了能夠預測到單個鹼基對的精度2、多模態大模型，多個任務一次搞定現有模型要麼專注於單一任務，例如剪接預測等，要麼是多模態但某些任務表現不佳。而AlphaGenome能夠做到一次輸入後，可以同時預測基因變體對數千種基因組的影響，包括基因表達、組蛋白修飾、剪下等各個方面，科學家不用再切換多個工具了。更重要的是，AlphaGenome做到了性能全面領先。對單條DNA 序列進行預測時，AlphaGenome 在 24 項評估中有 22 項表現優於最佳外部模型。而在預測變異的調控效應時，它在 26 項評估中有 24 項表現與最佳外部模型相當或更優，尤其在預測eQTL方向上，比此前最佳模型提高超25%。RNA剪貼錯誤是造成疾病的常見原因，AlphaGenome的創新性在於，能夠直接從序列預測剪下點。在7個權威的剪接變異基準測試中，AlphaGenome在其中6個上實現了SOTA 性能，包括根據ClinVar、sQTL因果關係和GTEx剪接異常值預測剪接變異的致病性。除了能夠預測多種分子特性外，AlphaGenome還能在一秒鐘內高效評估一個基因變異對所有這些特性的影響。它通過對比突變序列與未突變序列的預測結果，並針對不同模態採用不同方法高效總結這種對比來實現這一功能。不僅如此，對比此前的預印本，DeepMind團隊還最佳化了以下內容。更好地理解生命就在論文發佈同一天，DeepMind還上傳了一支視訊，邀請團隊對該工作進行分享。針對後續如何完善AlphaGenome，團隊表示：1、拓展對複雜變異類型的預測支援，使模型能解讀更真實的臨床與科研遺傳變異，覆蓋更多疾病機理2、提升易用性，將數千個複雜評分彙總為更易解讀的單一評分3、拓展資料與物種範圍，目前只包含人類和小鼠，未來可能納入更多物種和更多細胞類型的資料這些都將進一步提高AlphaGenome在實際科研中的實用性。從AlphaFold再到AlphaGenome，DeepMind打開了一扇窺見生命與疾病最根本過程的窗口。近期科技女皇木頭姐的一份報告，再次點燃了人們對AI+醫療保健的熱情。報告預測，到2030年，測序整個人類基因組的成本可能下降約十倍，降至10美元（如今約100美元）。測序成本降低將導致資料量增長10倍，意味著人類基因資料將遠遠超過現有的數量。當然，海量資料本身不是價值，解讀才是。AlphaGenome正是為解讀資料中最複雜、資訊量最大的DNA序列而生，能將原始資料轉化為可理解的生物學知識。當前，AlphaGenome已經學會了DNA的基本原理，未來有望為為罕見病診斷、癌症精準醫療、藥物靶點發現提供新途徑。包括但不限於：發現新的疾病標記物和藥物靶點（尤其是在非編碼區）解釋患者基因檢測結果，指導精準用藥設計合成生物學元件，為基因療法和細胞療法提供設計工具此外，它在預測RNA剪接異常等方面的能力，對於理解許多罕見病和癌症至關重要，能直接推動相關藥物研發。可以預見，未來的多組學AI平台可能會整合類似AlphaGenome的先進基因組模型，使其與蛋白質、代謝組等模型協同工作，形成一個統一的生命系統模擬與預測環境。屆時，人類不只是能夠獲得DNA資料，而是真正理解生命的運行。 (智藥局)

(騰訊醫典)

新研究發現火星上尋找生命的最佳地點火星一直是科學家尋找地外生命的熱門目標。一項新研究首次確定了火星上規模最大的16個古河流域，被視為最有希望尋找生命的區域。由大型河流系統塑造的區域是地球上最富饒的生態系統，地球上有91個超過10萬平方公里的流域，僅亞馬孫河流域就孕育了數萬已知物種。科學家們認為，古代火星也有類似環境，曾經存在有液態水的時期，可能為生命提供了有利條件。美國德克薩斯大學奧斯汀校區的研究人員通過收集並分析之前發表的關於火星山谷、湖泊和河流特徵的資料發現，火星上有19個主要的山谷、溪流、湖泊、峽谷和沉積物群，其中有16個形成了面積至少達10萬平方公里、相互連接的流域。研究人員認為，大型河流可輸送更多營養物質，有助於維持多樣的生態系統。水流經距離越遠，水與岩石的相互作用就越多，發生化學反應的機會就更高，這些反應可能轉化為生命跡象。研究人員表示，雖然這些大型流域只佔火星地表面積的5%左右，卻貢獻了火星河流侵蝕沉積物的約42%。由於沉積物攜帶營養物質，這些地點被認為是尋找過去生命證據的主要目標，但需要進一步研究以精確確定這些沉積物最終的沉積位置。研究結果已發表在美國《國家科學院學報》上。 (環球網)

The Truth Physics Can No Longer Ignore生命體的根本性質，正挑戰物理學家幾個世紀以來所秉持的假設。作者：亞當‧弗蘭克（Adam Frank）圖：Anna Ruch/《大西洋月刊》。圖片來源：Manuel Nieberle/Miles Matsui Schleifer/Connected Archives；De Agostini/Getty。2024年10月8日，物理學界陷入了一場爭議。當天，諾貝爾物理學獎被授予了一項與黑洞、宇宙學或奇異的新亞原子粒子毫無關係的研究——而是關於人工智慧（AI）。物理學最高榮譽為何會頒給旨在模仿人類大腦的機器研究？這當中究竟還有沒有「物理學」？在整個20世紀的大部分時間裡，物理學家基本上忽略了生命系統。他們將生物體視為機器——儘管是由黏糊糊的部件構成的。一個名為「生物物理學」的子領域揭示了這些分子機器背後的特定物理機制。然而，作為一個整體的生物體卻從未成為物理學的重點。但如今，我和許多物理同行已不再認同這種輕視態度。我們逐漸相信，在每一個微生物、動物乃至人類身上，都正展開著一個謎題──它挑戰物理學家數百年來的基本假設，也可能解答有關人工智慧的核心問題。甚至，它還可能為下一代重新定義物理學本身。長期以來，物理學的核心傲慢在於認為自己是所有科學中最「根本」的學科。物理系學生學習的是現實的基本要素——空間與時間、能量與物質——並被告知，所有其他科學最終都必須還原為物理學所發現的基本粒子和定律。這種哲學被稱為「還原論」（reductionism），從牛頓定律到20世紀的大部分時期都相當奏效：物理學家相繼發現了電子、夸克、相對論等等。然而在過去幾十年中，最極端還原論方向的物理學進展明顯放緩。例如，人們期待已久的「萬物理論」（如弦理論）至今未能結出重要成果。不過，除了還原論之外，還有其他方式可以思考宇宙中的「根本」。自1980年代起，物理學家（以及其他領域的研究者）開始發展新的數學工具，用於研究所謂的「複雜性」（complexity）——即整體遠大於部分總和的系統。還原論的終極目標，是把宇宙中的一切都解釋為粒子及其相互作用的結果；而複雜性科學則認識到，一旦大量粒子聚集形成宏觀事物（例如生物體），僅了解粒子本身已不足以理解現實。這一思路的早期先驅之一是物理學家菲利普·W·安德森（Philip W. Anderson），他用一句簡潔的話概括了這種新興的反還原論觀點：「多即是不同」（More is different）。進入21世紀後，複雜系統科學迅速發展，並於2021年獲得諾貝爾物理學獎。從物理學家的角度來看，沒有任何複雜系統比生命更奇特、更具挑戰性。首先，生命物質的組織方式違背了物理學家對宇宙的常規預期。你的身體和其他物體一樣，由物質構成。但構成你今天的原子，一年後就不再是構成你的原子了。這意味著你和所有其他生命體並非像岩石那樣的惰性物體，而是一種隨時間動態演化的模式。然而，對物理學而言真正的挑戰在於：構成生命的這些模式是「自組織」的。生命系統以一種現有機器無法複製的奇特循環，既創造又維持自身。以細胞膜為例：它透過允許某些化學物質進入、阻止其他物質進入，使細胞得以存活。而細胞不僅創造並持續維護這層膜，這層膜本身也是一個使細胞得以存在的過程。這種「雞生蛋還是蛋生雞」的困境，動搖了舊物理學的夢想——即一旦宇宙的基本粒子被完整編目，其餘一切都能被明確描述和預測。給我一顆年輕的恆星，我就能用還原論的物理定律預測它的未來：它會存活一百萬年而非一百億年；它將以黑洞而非白矮星的方式終結。但生命體的組成部分卻產生出全新且不可預料的現象，稱為「湧現」（emergence）。給我一個地球早期歷史中的簡單細胞，我絕對不可能預測到大約40億年後，它會演化成一隻能一拳打在你臉上的巨型兔子。袋鼠（就像人類一樣）是生命演化過程中不可預測的、湧現性的結果。支配物質與能量的基本定律，無法預測生命的另一個根本屬性：它是宇宙中唯一會為了自身目的而使用資訊的系統。植物向光生長，微生物游向營養豐富的區域，動物躲避掠食者，人類則將巨大的金屬裝置送入外太空。誠然，我們可以為機器人編程，讓它在電量低時尋找電源插座，但這種需求必須由生命體（例如人類程式設計師）預先硬編碼進機器中。相較之下，生命具有自主性和能動性（agency）。從微生物到螃蟹再到人類，所有生命都有自己的「癢處」要去抓癢。要真正理解生命系統作為自組織、自主的能動體，物理學家必須拋棄那種「只看粒子就行，女士」的心態。物理學家的一大特長——從簡單部分（如原子）的定律出發，逐步建構複雜整體——無法完全解釋細胞、動物或人類。幸運的是，物理學還有另一項基本技能可資利用：一種獨特的提問方式和建模方法，用於做出預測。物理學家歷來擅長抓住系統的核心特徵，並以數學語言加以表達。例如：有多少有用能量流經細胞膜？扁蟲神經系統中那一種神經元排列能最大化訊息處理效率？現在，這些技能必須被用來處理一個古老卻長期被忽視的問題：什麼是生命？借助這些技能，物理學家若與其他複雜性科學領域的研究者合作，或許能破解數十億年前地球生命如何起源之謎，也能探索生命在遙遠系外行星上可能的形成方式——這些星球如今可透過尖端望遠鏡進行觀測。同樣重要的是，理解生命作為一種有序系統，為何在根本層面不同於宇宙中的其他一切，或許能幫助天文學家設計出新策略，在與地球截然不同的環境中尋找生命。無論外星生命多麼陌生，只要將其視為一種自組織、以資訊驅動的系統進行分析，就可能成為在數百光年外行星上探測生命跡象的關鍵。回到地球，研究生命的本質很可能對全面理解智慧——以及建構人工智慧——至關重要。在當前這場AI熱潮中，研究者和哲學家一直在爭論：大型語言模型是否可能、何時可能實現通用智能，甚至具備意識？或者，某些模型是否已經做到了？要適當地評估這些主張，唯一可靠的方法就是盡一切可能去研究公認的通用智能唯一來源：生命本身。將生命的新物理學應用於AI問題，不僅可能幫助研究者預測軟體工程師能建構什麼，還可能揭示試圖用矽基晶片捕捉生命本質特徵的根本限制。隨著21世紀繼續展開，我的物理同行無疑將繼續推進黑洞、量子力學等傳統領域的研究。但對生命的研究，將帶我們前往從未想像過的地方，為我們的學科開闢一條前所未有的道路——這一次，我們將與生物學家、生態學家、神經科學家和社會學家站在同一片競技場上。若能以最佳狀態追求關於生命本質的根本答案，物理學家不僅可能迎來新的科學奇蹟，還可能開創一種全新的科學研究典範。(邸報)