「人類剛剛實現了歷史上首例 AI 輔助的癌症治癒」？
No，no，no，no，no，no，no，no，no～
你今天看到的關於「AI 已經治癒癌症」的刷屏消息都是下面這件事的瞎說版。
👇
默沙東（Merck）與 Moderna 聯合發佈消息，宣告由人工智慧輔助的個性化 mRNA 癌症治療方法在三期試驗中獲得成功。
這個消息一出，Moderna 公司的股票直接創下 177% 的歷史最高漲幅。
那麼問題來了，這個研究到底對癌症治療意味著什麼？
個性化 mRNA 疫苗聯合免疫檢查點抑製劑 Keytruda（派姆單抗），相比 Keytruda 單藥，能夠顯著延長完全切除後高風險黑色素瘤患者的無復發生存期與無遠處轉移生存期。
AI 怎麼輔助癌症治療？
眾所周知，癌症是一種非常難以治療的疾病，因為每個人的癌症都是不同的——它們都是由獨特的腫瘤突變所引發的。
癌細胞通過不斷累積的 DNA 突變與正常細胞分道揚鑣。這些突變不僅驅動著癌細胞的失控增殖，也在細胞表面產生了正常細胞不具備的特異性標記物，即「新抗原」（neoantigen）。
理論上，免疫系統的 T 細胞可以識別這些新抗原並行動攻擊。癌細胞精就精在，它們進化出了多種機制，讓自己在免疫系統的眼皮底下隱身，偽裝成「自己人」潛伏下去。
為了應對這一挑戰，人們開發了基於腫瘤 DNA 序列的個性化治療方法。mRNA-4157 就是基於 DNA 和 mRNA 測序資料研發出的一種藥物，它可以通過誘導 T 細胞識別癌細胞表面的新抗原來產生有針對性的免疫反應。
「疫苗」這個詞具有誤導性。這種疫苗並不是用來預防黑色素瘤的——它是在腫瘤通過手術切除後接種的，目的是清除那些殘存的癌細胞，防止它們再次生長或擴散。
醫生會分析你體內特定腫瘤的 DNA，將其與健康細胞進行比較，從而找出腫瘤獨有的突變。AI 會篩選出幾十種最具針對性的突變作為治療目標。這些突變會被編碼到 mRNA 中，從而指導細胞表達這些標記物，讓免疫系統的 T 細胞能夠識別並攻擊攜帶這些突變的細胞。
這意味著全世界不會有兩支完全相同的「疫苗」。
默沙東公司和 Moderna 公司在 2016 年就開始研發這一技術，並在 2017 年開始對病人進行試驗，早於當前這輪 AI 熱潮。
量身定製帶來的代價是極高的生產複雜性，包括藥物設計的複雜性，以及最佳化生產計畫和資源分配，以確保藥物能夠按時交付。
在資料處理方面，一系列高度整合的人工智慧演算法可以處理來自腫瘤和血液樣本的下一代測序資料，分析其中的基因突變，並預測出最多 34 種最有可能引發免疫反應的新抗原。
隨著時間的推移，這些演算法可以通過結合臨床資料和免疫原性資料來不斷改進，有望在識別最具臨床活性的新抗原方面取得更好的效果。
Moderna 還開發了名為 Maestro 的全端數字解決方案，將臨床操作、製造管理、質量保證與物流運輸整合進一個可跨功能追蹤的系統。AI 調度演算法即時將患者批次排入生產時間線，根據實際產能動態調整計畫，確保每一劑藥物準時送達患者手中。
隨著同時處理的患者批次增多，這套演算法的調度效率也隨之提升，這對於規模化推廣至關重要。
不過，高度定製化意味著極高的製造複雜性，也意味著目前仍然高昂的成本。AI 的介入雖然在壓縮時間、減少誤差上發揮了重要作用，但如何讓這種治療走向更廣泛的可及性，仍然是懸而未決的命題。
能否推廣到其他癌症？
Keytruda 單藥療法已在黑色素瘤領域積累了大量證據，KEYNOTE-006 十年隨訪資料顯示，接受派姆單抗治療的晚期黑色素瘤患者中，有 34% 在十年後仍然存活，相比接受另一免疫藥物伊匹單抗的患者高出約 10 個百分點。
個性化 mRNA 療法與 Keytruda 的聯合方案，在這一堅實基礎上進一步展現出額外的疊加獲益。在此前的 KEYNOTE-942 二期試驗中，mRNA-4157 聯合 Keytruda 相比單藥顯示出將術後復發風險降低 44%、遠處轉移風險降低 65% 的效果，為三期的正面結果提供了重要鋪墊。
人們看好 Moderna 的療法，因此他們預計這些結果不僅限於皮膚癌領域。這些成果也可能在其他類型的實體腫瘤中得到驗證，比如肺癌。
對腫瘤進行測序、選擇突變位點、建構 mRNA 範本——原則上也可以應用於其他類型的癌症。針對非小細胞肺癌的三期試驗已經在進行中，後續還會涉及膀胱癌和腎癌的研究。Moderna 也不是唯一一家研發此類療法的公司，BioNTech 也在開發幾乎相同的個性化 mRNA 療法。
黑色素瘤的成功案例為這種治療方法提供了有力的支援，但這並不能保證它適用於所有情況。
皮膚癌是適合研發癌症疫苗的理想癌症類型。
黑色素瘤的腫瘤突變負荷極高，每個癌細胞表面攜帶的異常標記物數量遠超平均水平。這讓免疫系統更容易識別並攻擊黑色素瘤細胞，也因此使這類癌症對所有類型的免疫治療反應格外積極。
突變負荷較低的癌種，可供識別的新抗原靶點更少，mRNA 疫苗能編碼的有效靶點資訊也相應受限，這可能削弱 T 細胞訓練的精確性。
從更宏觀的視角看，AI 在生物醫學領域的影響遠不止於新抗原篩選。DeepMind 於 2024 年發佈的 AlphaFold 3，已能夠在原子精度上預測蛋白質與 RNA、小分子之間的相互作用，模擬不同生物分子如何在細胞環境中彼此識別與結合。
這對於從結構層面理解腫瘤免疫逃逸機制、理性設計新型治療分子，都開闢了過去難以企及的路徑。
生物學正在變成一門可計算的科學，癌症治療是這場變革中最直接的受益領域之一。
絕望 痛苦 不確定 嘗試 淚水 死亡 錢 愛 AI 希望
網際網路上常常有這樣的詢問帖：家人患癌，要不要告訴 TA？
確診癌症，除了給患者帶來身體上的痛苦，也給他們帶來心理上的絕望；它讓人感嘆命運無常，也讓人想與命運作對。
所以你常常會聽到這樣兩句話：「花再多錢我們也願意治」和「掙再多錢都沒用」。
在歷史上，我們一直用粗暴的方式與癌症作鬥爭。切除它、用輻射燒燬它、用化療讓整個身體都受到攻擊，只希望癌症能在患者承受更多痛苦之前消亡。
我們就像在黑暗中揮舞著錘子一樣。
AI 沒有賦予我們一步登天的魔法，也沒有讓癌症瞬間變成一場可以輕易治癒的感冒，但它確實在幫助我們加速攻克更多疾病治療。
Google 的 AI co-scientist 為急性髓系白血病提出藥物再利用候選並獲體外實驗驗證，將研究時間縮短至 4 小時。
FutureHouse 的 Robin 系統用 10.76 美元、30 分鐘讀完 551 篇論文，最終鎖定已上市青光眼藥物 ripasudil 作為乾性黃斑變性的候選療法。
更早一些，史丹佛「虛擬實驗室」讓 AI 智能體團隊協作，數天內設計出 92 種新冠奈米抗體，兩種經濕實驗證實能結合最新變異株，人類發言量僅佔全程約 1%。
此前 OpenAI 還與 Retro Biosciences 合作重新設計了誘導幹細胞的山中伸彌因子，宣稱體外效率提升 50 倍以上——不過這個結果尚無獨立同行評審。
當然，目前這些 AI 參與的科研成果大都是是臨床前的細胞或分子層面結果，離真正的治療疾病還有一段不小的距離。
但在人工智慧大發展的時代，我們要繼續揮舞下去。或許這一錘，或許下一錘，就能碰到關鍵的開關。
為那些致力於解決難題的人們送上祝福！(APPSO)