在医学研究的一项重大突破中，来自谷歌DeepMind和耶鲁大学的科学家们利用新型人工智能发现了一种潜在的癌症治疗通路。这款名为C2S-Scale 27B的270亿参数模型于2025年10月15日发布。该模型分析了单细胞数据，形成了一个新颖的假设：某种特定药物可以增强免疫系统针对原本"不可见"肿瘤的能力。研究人员随后在实验室实验中成功验证了这一由人工智能生成的预测。
这一成功标志着"科学人工智能"的一个关键时刻。它表明大型模型不仅能处理信息，还能生成原创的、可测试的想法。这可能会加速新医疗治疗方法的开发，并改变生物研究的进行方式。
从虚拟筛选到验证发现
癌症免疫治疗的一个核心挑战是许多肿瘤是"冷"的——对身体的免疫系统实际上是不可见的。一个关键策略是通过称为抗原呈递的过程，迫使它们显示触发免疫的信号，从而使它们变得"热"。
为了找到实现这一目标的方法，研究人员给C2S-Scale 27B布置了一个非常具体的任务。他们设计了一个"双情境虚拟筛选"来寻找一种作为条件放大器的药物，模拟了4000多种药物的效果。
"双情境"方法是关键。该模型必须找到一种药物，这种药物只在具有免疫信号的患者相关环境中有效，而在隔离的实验室环境中无效。这种精确性需要复杂的条件推理能力。
人工智能的首选候选药物是西尔米塔塞替布（silmitasertib，CX-4945）。该模型预测，在目标情境中，它将显著增加抗原呈递，而在其他情况下效果甚微。这是一个新的假设，因为该药物此前从未报告与这一特定机制有关联。
为了测试这一预测，研究团队将假设从计算机带到了实验台。他们使用了人神经内分泌细胞模型——一种人工智能在训练过程中从未遇到过的细胞类型。结果惊人地证实了模型的假设。
这一步骤，从计算机预测（in silico）到实验室测试（in vitro），是验证人工智能驱动的生物假设的黄金标准。实验表明，虽然单独使用该药物或低剂量干扰素效果甚微，但它们的组合产生了显著的、协同放大的效果。
规模法则与生成生物学的黎明
谷歌的这一成就为生物学中的"规模法则"理论提供了有力证据。这一概念推动了大型语言模型的近期爆炸式增长，认为随着模型变大，它们不仅会改进——还可能获得全新的、涌现的能力。
涌现能力是指未被明确编程但随着模型规模和复杂性增加而出现的能力。对于C2S-Scale来说，这意味着它能够执行条件推理，理解免疫情境的"如果-then"逻辑——这是较小模型一直无法完成的任务。
基于谷歌开源Gemma 2架构构建的C2S-Scale模型，通过生成一个可测试的科学想法展示了这一点。正如谷歌DeepMind的谢库菲赫·阿齐齐（Shekoofeh Azizi）解释的那样，"这一结果还为一种新型生物发现提供了蓝图。"
这代表了人工智能从单纯的数据分析工具向科学发现的创意伙伴的根本转变。该模型的成功表明，未来AI可以运行大规模虚拟筛选，以揭示复杂的、依赖情境的生物机制。
这种方法可能会大大缩短从初步研究到可行治疗线索的路径。研究团队表示，它证明了更大的模型"能够创建足够强大的细胞行为预测模型，从而...生成基于生物学的假设。"
开放"科学人工智能"生态系统中的新工具
C2S-Scale 27B项目是行业向创建针对科学领域的专用人工智能这一更广泛趋势的一部分。谷歌一直在积极构建其"Gemmaverse"，推出如用于药物发现的TxGemma等模型。这反映了专注于针对性、高影响力应用的战略。
微软也在追求类似的"科学人工智能"计划，发布了用于医学图像分析的BiomedParse等工具，以及用于检测乳腺癌的异常检测模型。这些平行努力凸显了整个行业的战略转变。
秉承开放科学的精神，谷歌和耶鲁大学已在平台上公开了C2S-Scale 27B模型、其底层代码和研究论文。这使得全球研究界能够在此基础上进行构建。
这种开放方法对科学验证至关重要。通过发布这些工具，谷歌和耶鲁邀请了审查和合作，允许其他研究人员复制他们的发现并探索新的假设。它促进了更加透明的研究环境。
虽然这一发现是一项里程碑式的成就，但通往临床应用的道路仍然漫长。医学中的人工智能面临着重大挑战，从确保现实世界中的可靠性到处理患者数据隐私的复杂伦理问题。
正如DKFZ的莫里茨·格斯特隆教授（Professor Moritz Gerstung）在谈到一个类似的预测模型时指出的那样，"我们的生成模型有一天可能有助于大规模个性化护理并预测医疗保健需求。"这项工作通过从纯预测转向已验证的发现，使这一愿景更接近现实。
【全文结束】
