AI制药的“数据饥渴”：Vivodyne用自动化生物实验室重构因果逻辑

【科技24时区】当人工智能在药物发现领域高歌猛进时，一家名为Vivodyne的生物科技初创公司却泼了一盆冷水：这个行业正深陷数据泥潭。为了解决这一痛点，Vivodyne打造了一套名为HIVE的模块化机器人实验室系统。这套系统不仅能培育20种人类组织，还能自主进行给药和监测，从而生成当前AI模型极度匮乏的因果生物学数据。要知道，目前支撑大多数AI模型的训练数据，主要来源于动物实验、单细胞或蛋白质研究，而非活体人体组织。

“如果没有人体测试，这些[AI]模型能做什么？”Vivodyne首席执行官兼联合创始人Andrei Georgescu直言不讳，“它们只能在老鼠身上‘治愈’癌症。”这种质疑并非孤例。就连Anthropic CEO Dario Amodei也在近期撰文指出，关于“AI将治愈癌症”的说法已变得陈词滥调多于可信度——他犀利地评论道：“真正管用的，是切实治愈癌症本身。”

颇具讽刺意味的是，Amodei本人曾在过往文章中抛出过类似观点；OpenAI创始人Sam Altman也多次以“治愈癌症”为由，为其向通用人工智能（AGI）迈进及算力扩张辩护；Google DeepMind的Demis Hassabis去年更是预言，AI有望在十年内治愈所有疾病。然而，现实成果依旧温吞。尽管已有少数AI设计的药物进入人体试验阶段，其中一款甚至推进至广泛人体测试的III期临床，但横亘在前方的障碍，并非当下的AI技术所能轻易逾越。

获得诺贝尔奖的AlphaFold无疑是理解生命构建模块的重大突破，但它至今尚未催生出一款新药。旨在基于AlphaFold进一步开发的Isomorphic Labs，其原定于2025年启动的首批试验，预计要推迟到今年年底。该公司在2月的一份声明中承认，真正的药物发现需要“覆盖广泛生化特性与相互作用的高精度预测模型”。

Georgescu认为，整个行业亟需一次“理智检查”，因为现有模型缺乏捕捉人类生物学复杂性的数据基础。这不仅是AI的问题，更是制药业长期面临的困境：在动物实验中表现足够有效并进入临床试验的药物中，高达90%最终未能获得针对人类的监管批准。Vivodyne试图走出一条不同的路。

这家于2021年从宾夕法尼亚大学分拆出来的公司，由拥有生物工程博士学位的Georgescu创立。据称，其培育的组织行为与真实人体器官高度吻合：肝细胞在毒性测试中与人体试验的预测准确率高达94%，气道组织的行为匹配度达到96%，而在针对20种不同化疗药物的测试中，骨髓组织的符合率更是达到了100%。

上周，这家在Khosla Ventures领投的两轮融资中筹集了近8000万美元的公司，在旧金山郊外开设了其所谓的全球最大“人类数据中心”。Georgescu透露，团队目前的吞吐量已是美国所有动物试验总和的两倍。

未来的生物实验室或许正是这般模样。其核心逻辑在于，通过更精准地预判药物候选物的有效性，加速研发路径，从而规避动辄数千万美元的昂贵临床试验成本。虽然未公开合作伙伴名单，但Vivodyne表示正与多家大型制药公司合作，解决一个被Georgescu比作汽车碰撞测试的难题：汽车制造商通常在测试前就确信车辆能通过NHTSA标准，而制药公司在进入临床试验时却鲜有此种信心，毕竟绝大多数药物都折戟于FDA审批之前。

但这背后有着更宏大的愿景。Georgescu视其自主生物实验室为生成因果数据的关键，这些数据可用于训练针对人类生物学的新模型。他引用了上月发表在《自然·方法》上的一项研究，该研究发现，在现有细胞数据上训练生成式AI模型时，并未出现清晰的数据缩放定律。

“所有的训练都是基于这些细胞的静态快照完成的，模型完全不受细胞如何达到该状态的条件制约，”Georgescu告诉TechCrunch，“换句话说，模型学会了‘这是细胞状态A’、‘这是细胞状态B’，但从未学会‘细胞状态B是炎症导致细胞状态A的结果’。”

相比之下，Vivodyne的HIVE机器正在追踪数十万个正在进行的实验，观察病变组织对特定刺激的反应。Georgescu期望借此提供强化学习所需的数据，从而打造出足以理解人类生物学、并在医疗健康领域取得实质性进展的AI模型。他认为，这不仅关乎应对当下的医学挑战，更关乎未来——那时，复杂疾病需要的药物将不再像今天大多数药物那样仅靶向单一通路，而是需要多靶点协同。

“如果我们想要联合疗法，需要搜索的空间将呈指数级爆炸——这不能靠试错式的实验方法，”他对TechCrunch表示，“你必须问：‘我想要产生这种效果，那么应该引发什么因果关系？’在人类生物学中确立因果性，才是这一切的基石。”