肿瘤学的核心问题一直是区分癌细胞和正常细胞。在分子层面上，癌细胞和正常细胞几乎一模一样。癌细胞的区别在于调控失常——一组基因开关被错误触发，导致细胞失控生长。几十年来，寻找和利用这些开关需要人工在患者样本里逐一排查，寻找那些细微到几乎看不见的模式。
人工智能让一切成为可能。系统在包含数万个癌症测序样本的基因组数据库上训练后，如今能识别出那些只在癌细胞里活跃、在周围健康组织里不活跃的核心调控模式。与旧的精准肿瘤学中的生物标志物不同，这些是精细的基因组特征，在基因开启和关闭的层面揭示了恶性与正常细胞的差异。
一旦这些特征被确定，就开辟了一系列以前根本不可行的新方法。人工智能正在帮助研究人员设计个性化癌症疫苗，这些疫苗能训练免疫系统去对抗患者肿瘤产生的独特突变。
Moderna和Merck已经在进行后期试验，他们利用与COVID-19疫苗相同的mRNA技术平台。人工智能还帮助工程师构建更智能的CAR T细胞，这些细胞利用肿瘤特异性信号在癌症的免疫抑制环境中保持活跃，而不是在完成任务前就耗尽能量。在研发的最早期阶段，对基因组和成像数据进行人工智能分析，就能在症状出现前数年检测到癌症，而此时患者的生存率要高得多。
今天我们是怎么抗癌的
目前最前沿的做法是，科学家识别肿瘤细胞内部或表面的天然靶点（如蛋白质、酶、受体），然后造药去打它们。这种方法又慢又贵，局限性还特别大。这是因为这些天然靶点不仅存在于癌细胞中，也存在于健康细胞中。任何能激活免疫系统的药，也会在其他地方起作用，引发危险且有毒副作用的免疫风暴反应。
如今，减少剂量是我们知道的唯一办法就是减量。但减少剂量后，疗效也会下降，从而增加癌症复发的几率。通常，当癌症复发时，癌细胞就有时间发生突变，产生耐药性。
肺癌是最致命的癌症，每年全球有180万人因此丧生。过去二十年里，我们取得了进展，五年生存率几乎翻倍。然而，也就是说，约70%的患者确诊后活不过五年。
AI驱动的癌症生物工程如何运作
人工智能的作用远不止是搞个聪明点的聊天机器人。虽然AI帮助放射科医生更快地读取扫描结果，或算法筛选药物数据库寻找可重用的候选药物是一个良好的开端，但我们得换个玩法了。
研究人员最近打比方说，这种AI方法之于DNA和癌症生物学，就如同AlphaFold之于蛋白质科学。AlphaFold并非发现了蛋白质，而是破译了控制蛋白质折叠的规则，这下我们第一次能系统性地搞明白蛋白质是怎么折叠的。
AI驱动的癌症生物工程破解了癌症基因电路的规则，能编程控制肿瘤细胞里的基因回路，精度高到自然生物标志物根本做不到。我们不只是读代码，我们直接重写它。
递送机制本身也得来个大突破。想跑到癌细胞那里，合成基因载荷得先穿过人体，还得躲着免疫系统不被灭掉。脂质纳米颗粒——跟新冠疫苗用的技术一样——现在开始当递送的小车用了。
疫情那波项目证实了研究人员一直猜的：脂质纳米颗粒能又安全又大批量地把mRNA载荷送到人体细胞里。生物工程师们现在正拿这套基础方案来搞癌症治疗，顺便送那些治疗性、临时又安全的DNA载荷，还改造纳米颗粒表面，好让免疫系统认不出来，把到达目标的时间窗口给拉长。AI算法也在帮大忙，从海量化合物库里筛数据，让研发跑得更快。
中国已经抢了先机
但美国要是不把这个当战略重点，这一切都毫无意义。中国已经让生物技术成了国家战略，政府钱直接往生物科技初创公司里撒，缩短监管审批时间，还实实在在地威胁到了美国在这个领域的霸主地位。光去年上半年，制药业在中国生物技术交易上就砸了485亿美元，比2024年一整年加起来还多。与此同时，美国的风投还是哗哗地往狭义的软件AI领域流。AI初创公司去年拿了超过2000亿，占了所有风投的一半。生物制药才拿了大概260亿。
这个差距不只是市场效率不高的问题。说白了，就是大家还没意识到，这十年AI真正最牛的应用可能不仅仅是让软件更智能。它还可能改变我们生活的物理世界，还能通过让细胞变得可编程，把生物学从科学变成工程学。
美国要怎么领跑癌症治疗的未来
想让美国在癌症治疗这块儿拔得头筹，国会应设立一个专门的全国性生物技术投资基金。这不光是靠ARPA-H（现在它大部分钱还是走学术机构路子），更要搞个机制，把钱直接砸到早期平台公司，把知识产权留在美国国内。
大机构投资者和风投公司也得挑大梁。虽然很多人已经转去搞软件AI了，他们得问问自己：能编程细胞来抗癌的技术，难道不值得至少跟下一个大语言模型一样紧急对待吗？
最后，FDA新推出的加速审批通道需要明确扩展到基于平台的生物疗法，而不仅仅是单一药物，这样构建下一代癌症治疗的公司就不必苦等十年才能等到监管明朗。
科学条件已经成熟。我们需要对美国未来的精准医学技术进行强劲而持续的投资，以首次启动让癌细胞自相残杀的治疗方案。
热门跟贴