谷歌人工智能破解癌症新密码

谷歌 DeepMind 周三表示，其最新的生物人工智能系统已经生成并通过实验证实了癌症治疗的新假设，该公司称这一成果是“人工智能在科学领域的里程碑”。

谷歌首席执行官 Sundar Pichai 表示：“通过更多的临床前和临床试验，这一发现可能为开发抗癌疗法揭示出一条有希望的新途径。”发推文.

DeepMind 研究人员与耶鲁大学合作发布了用于单细胞分析的270亿个参数基础模型称为Cell2Sentence-Scale 27B（C2S-Scale），基于 Google 的开源芽模型系列。该模型能够生成“关于癌细胞行为的全新假设，并且我们已通过活细胞实验验证了其预测。这一发现为开发抗癌疗法揭示了一条充满希望的新途径。”该公司写道在今天的一篇博客文章中。

这一发现的核心在于癌症免疫疗法中最难的问题之一：如何让免疫系统无法识别的所谓冷肿瘤变得更热，从而对治疗更敏感。DeepMind 表示，其模型成功识别出一种条件放大药物这只能在某些生物环境下增强免疫可见性。

为了验证这一想法，C2S-Scale 分析了患者肿瘤数据，并模拟了超过4,000种候选药物在两种情况下：一种情况下免疫信号活跃，另一种情况下免疫信号不活跃。该模型预测西米他赛替布（CX-4945），一种激酶 CK2 抑制剂，会显著增加抗原呈递—一个关键的免疫触发因素—但仅限于免疫活跃的环境中。

谷歌写道：“这个预测之所以如此令人兴奋，是因为它是一个新颖的想法。尽管CK2与许多细胞功能有关，包括作为免疫系统的调节剂，但文献中尚未报道通过silmitasertib抑制CK2能够明确增强MHC-I表达或抗原呈递。这凸显了该模型正在生成一个新的、可验证的假设，而不仅仅是重复已知的事实。”

实验室实验证实了这一预测。当用silmitasertib和低剂量干扰素治疗人类神经内分泌细胞时，抗原呈递量大约增加了50%，有效地使肿瘤细胞更容易被免疫系统发现。

DeepMind 的研究人员称，这一发现证明，扩展生物 AI 模型不仅能提高准确性，还能产生全新的假设。该文章写道：“扩展的真正前景在于创造新想法，探索未知领域。”

耶鲁大学的团队目前正在探索这种免疫系统效应背后的机制，并测试其他人工智能生成的预测。DeepMind 表示，这项研究“为一种新型生物学发现提供了蓝图”，这种发现利用大规模人工智能系统进行虚拟药物筛选，并提出基于生物学的假设以供实验室测试。

该模型和配套工具已在拥抱脸 和 GitHub，其科学预印本发布于bioRxiv.

然而，专家警告称，这些发现仅仅是漫长过程的第一步。研究结果尚未经过同行评审或临床验证，任何治疗应用都需要多年的额外研究和试验。