一家名为Vivodyne的生物科技初创公司指出，当前AI药物研发行业面临严峻的数据困境，而该公司已构建出一套专门解决这一问题的技术体系。
公司自主研发的模块化机器人实验室HIVE能够培育20种人体组织，并自主完成给药和监测，产生当今AI模型所缺失的因果生物学数据。这类数据目前主要来源于动物实验，或针对单细胞和蛋白质的研究，而非活体组织。
"如果没有人体试验数据，这些AI模型能做什么？"Vivodyne首席执行官兼联合创始人安德烈·格奥尔格斯库反问道，"它们不过是在小鼠身上'治愈癌症'。"
就连Anthropic首席执行官达里奥·阿莫代伊近日也撰文指出，AI将治愈癌症的说法已变得比可信度更像陈词滥调——"真正有效的，是实际攻克癌症本身"。
事实上，"AI治愈癌症"的论调并非阿莫代伊首次抛出；OpenAI首席执行官山姆·奥特曼也曾多次以此为由，为推进通用人工智能和大规模算力扩张提供依据；谷歌DeepMind的德米斯·哈萨比斯去年也表示，AI或许能在十年内攻克所有疾病。
然而现实结果依然差强人意。目前仅有少数由AI设计的药物进入人体临床试验阶段，其中最远的一款已推进至第三期大规模人体测试，但现实中的诸多障碍并非AI当下所能克服。
荣获诺贝尔奖的AlphaFold在理解生命基础构成方面取得了重大突破，但迄今尚未真正催生出一款新药。以AlphaFold为基础创立的Isomorphic Labs，其首次临床试验原定于2025年启动，目前预计在今年年底前完成。今年2月，该公司在公开声明中表示，真正的药物研发需要"在大量生化属性和相互作用范围内，建立高度精准的预测模型"。
格奥尔格斯库认为，整个行业需要"一次清醒的自我审视"——现有模型缺乏足以捕捉人体生物学复杂性的数据。这一挑战在制药业中早已存在：在进入临床试验的药物中，90%在动物实验中有效的候选药物，最终未能获得人体适用的监管批准。
Vivodyne的路径截然不同。该公司于2021年从宾夕法尼亚大学拆分独立，其创始人格奥尔格斯库在此获得了生物工程博士学位。公司表示，其培育的组织与真实人体器官的行为高度吻合：肝细胞在毒性测试中相较人体临床试验的预测准确率达94%，气道组织与真实人体组织的行为匹配度为96%，骨髓在20种化疗药物的测试中更实现了100%的一致性。
上周，这家已通过两轮融资获得近8000万美元资金（均由科斯拉风险投资领投）的公司，在旧金山郊外正式开放了其所称的全球最大"人类数据中心"。格奥尔格斯库表示，其团队目前的数据产出量已达全美动物试验总量的两倍。
这一路径的核心逻辑，是在进入动辄耗资数千万美元的临床试验之前，对候选药物的有效性形成更充分的判断，从而加速推进药物开发流程。尽管Vivodyne未公开合作方名称，但该公司透露正与多家大型制药企业携手攻克这一难题。格奥尔格斯库将其类比为汽车碰撞测试：车企在送检前通常有信心通过美国国家公路交通安全管理局的测试，但药企在进入临床试验前却鲜少拥有这样的把握——而临床试验中绝大多数药物都无法通过美国食品药品监督管理局的审批。
然而，格奥尔格斯库的愿景远不止于此。他将自主生物实验室视为生成因果数据的核心基础设施，这些数据可用于训练理解人体生物学的新一代AI模型。他还援引了上月发表于《自然·方法》杂志的一项研究，指出当生成式AI模型在现有细胞数据上训练时，并不存在清晰的数据规模效应。
"所有训练都基于细胞的静态快照，模型完全没有考虑细胞如何达到某一状态，"格奥尔格斯库向TechCrunch表示，"换句话说，模型只学到了'这是细胞状态A''这是细胞状态B'，却从未学到'细胞状态B是细胞状态A受到炎症刺激后产生的结果'。"
而Vivodyne的HIVE机器人实验室正在追踪数十万个持续进行中的实验，记录病变组织在受到各种刺激后的反应过程。格奥尔格斯库预期，这将提供强化学习所需的数据，推动AI模型对人体生物学建立足够深入的理解，从而在医疗健康领域取得更具实质意义的突破。
格奥尔格斯库认为，这不仅对当今的医学挑战至关重要，对于未来应对复杂疾病同样不可或缺。未来的治疗将越来越多地依赖针对多条生物通路的组合疗法，而非当前大多数仅作用于单一靶点的药物。
"如果我们需要组合疗法，需要探索的空间将呈爆炸式增长——这条路无法靠反复试验来走通，"他对TechCrunch说道，"必须明确'我想要达到某种效果，那么应该触发什么原因？'在人体生物学中建立因果关系，是一切的根基所在。"
Q&A
Q1：Vivodyne的HIVE机器人实验室与传统动物实验相比有什么优势？
A：HIVE能够培育20种人体组织，并自主完成给药与监测，产生更贴近人体真实反应的因果生物学数据。传统动物实验的主要问题在于：90%在动物身上有效的候选药物，最终无法获批用于人体。而Vivodyne的肝细胞毒性预测准确率达94%，气道组织匹配度达96%，骨髓在20种化疗药物测试中达到100%一致性，数据产出量已达全美动物试验总量的两倍。
Q2：AI为什么目前还无法真正攻克癌症？
A：核心问题在于数据质量。现有AI模型主要依赖细胞静态快照进行训练，无法理解细胞状态之间的因果关系，比如"细胞状态B是细胞状态A受到炎症刺激后的结果"这类因果链条。此外，AlphaFold等里程碑式成果虽推动了蛋白质结构理解，但尚未直接催生新药。AI设计的药物进入临床试验的数量仍极为有限，研发瓶颈并非单靠AI当前能力就能突破。
Q3：Vivodyne的"人类数据中心"是什么，它怎么赚钱？
A：Vivodyne在旧金山郊外开放了其所称的全球最大"人类数据中心"，核心设备为HIVE模块化机器人实验室。商业模式方面，该公司与多家大型制药企业合作，通过在临床试验前提供更准确的药物有效性预判来降低试验失败率——临床试验通常耗资数千万美元，提前筛选出更有潜力的候选药物，能够显著节省研发成本。目前公司已完成两轮融资，累计融资近8000万美元。
