AI離治癒癌症還遠，Vivodyne押注人體組織數據

圍繞著「AI 能否加快治癌」這個話題，業界近年來給出的預期很高，但真正進入臨床並取得突破的案例仍然有限。 生技新創公司 Vivodyne 認為，瓶頸不主要在模型能力，而在訓練資料離真實人體生物過程仍有距離。

該公司表示，目前不少 AI 藥物研發系統依賴的仍是動物實驗、單細胞研究或蛋白質層面的數據。 這些數據能幫助模型辨識結構和狀態，卻很難解釋人體組織在受到刺激、給藥或病變後為何會改變。

過去幾年，AI 經常被用於藥物篩選、標靶發現和分子設計。 一些由 AI 參與設計的候選藥物已經進入人體試驗，其中個別項目推進到 III 期臨床。 但從整體結果來看，這一領域仍未證明 AI 已能顯著改寫新藥研發成功率。

文章提到，AlphaFold 在蛋白質結構預測上帶來明顯進展，但至今尚未直接產出一款新藥。 由 DeepMind 孵化的 Isomorphic Labs 也仍在等待首批試驗推進。 Vivodyne 的判斷是，現有模型還不足以涵蓋人體生物學的複雜性。

Vivodyne 2021 年從賓州大學分拆成立。 該公司開發的 HIVE 是一套模組化機器人實驗室系統，可培養 20 種人體組織，並自動完成給藥、觀察和記錄過程。 其目標是在進入臨床前，更早識別哪些候選藥物更可能有效或有毒性風險。

• 肝臟組織毒性預測吻合度為 94%
• 氣道組織行為匹配度為 96%
• 骨髓模型在 20 種化療藥測試中達 100% 一致

上週，Vivodyne 在舊金山灣區附近啟用其所稱全球最大的「人體資料中心」。 該公司稱，已完成近 8,000 萬美元融資，資金來自兩輪融資，Khosla Ventures 為領投方之一。

Vivodyne 認為，藥物研發真正缺少的是“因果數據”，也就是不僅知道細胞或組織處於什麼狀態，還要知道這種狀態是如何形成的。 依照這個思路，模型不能只學習靜態狀態，還需要理解刺激、發炎或給藥與結果之間的關係。

公司稱，HIVE 正在追蹤數十萬組持續進行中的實驗，記錄病變組織在不同刺激下的變化過程。 Georgescu 認為，這類連續資料更適合訓練下一代生物模型，也更有機會幫助 AI 理解人體反應，而不是只做靜態辨識。

在他看來，這點對未來的聯合療法尤其重要。 隨著疾病治療越來越多地涉及多通路幹預，候選組合數量會迅速增加，單靠傳統實驗方法很難完成篩選。 Vivodyne 的押注是，先建立更接近人體真實反應的數據基礎，再談 AI 在醫療領域的大規模突破。