资本市场再度沉迷于AI医疗的宏大叙事。
甲骨文创始人Larry Ellison宣称，只需48小时，用AI检测出你体内的癌症，用48小时造出专属疫苗。
他说，这是“人工智能的承诺”。
木头姐发布的《Big Ideas》报告预言：到2030年，AI将使药物开发成本降低4倍、癌症筛查效率提升20倍、DNA测序成本暴跌1000倍。
她说，医疗保健是最被低估的AI应用。
那些AI医疗概念股的股价彻底摁不住了，泛癌早筛Grail带头狂飙，年初至今涨幅超200%，AI精准医疗Tempus涨幅达165%，就连当年跌至谷底的AI制药玩家，也重回上涨之路。
资本市场的计算器永不停歇，但药企的计时器刻着不同法则：
Moderna的mRNA肿瘤疫苗耗时8年挺进III期临床，其AI赋能的6周生产周期，距离“48小时狂想”仍有57倍时差；Grail的SYMPLIFY试验持续追踪5年，才敢将甲基化模型特异性锚定在99.5%，但敏感性只有51.5%；Tempus的临床数据库覆盖全美38%癌症患者，但医疗AI业务仅贡献12.6%营收……
更戏剧性的是，曾经激进的AI信徒正在撤退——当2024财报再度不及预期，Moderna选择收缩AI战线，改造数字团队、裁员10%，首席信息官Brad Miller离职。
这背后，固然有Moderna自己的问题，但是，这种反差也映射出一个更深刻的命题：生命科学的复杂性，远非技术乐观主义者想象中那般容易被颠覆。
就像加拿大肿瘤学家、放射科医生William Makis对Larry Ellison的评论：
这不是人工智能承诺，甚至不是一个好的科幻小说，而是纯粹胡说八道。
这可真是个魔幻的时代。
/ 01 / AI医疗狂想曲
“AI将使药物开发成本降低4倍，并将研发投入的回报提高5倍；AI将使癌症筛查的效率提高20倍，并且将市场规模扩大10倍；AI药物的商业价值将比标准药物高20倍，比同类最佳的精准药物高2.4倍”——华尔街的财富密码，藏在ARK的《Big ldeas》报告里。
靠特斯拉一战成名的木头姐，最新看上的是Tempus。因为在她看来，当前医疗保健是最被低估的AI应用。
她旗下的首席未来学家Brett Winton用了一个我们耳熟能详的故事，来形容当前的技术发展态势：国王承诺发明象棋的大臣，可以在棋盘的第一个格子上放一粒麦子，随后每个格子都翻倍。起初这个要求看似简单，但到了棋盘后半部分，所需麦粒的数量呈现出惊人的指数级增长。
如今的技术发展正处于类似的阶段。《Big ldeas》表示，利用人工智能来“操作”数据将颠覆诊断、药物发现和治疗，到2030年，整个行业的表现将提升几个数量级。AI将彻底改变多组学工具、药物研发、分子诊断，并显著改善药物的经济回报。
这份报告一出，再度引爆Tempus的股价。而早在去年10月，木头姐就已经完成Tempus的建仓，并一路增持至今。
事实上，如ARK提出的这般宏大目标，我们并不陌生。
去年10月，全球知名AI公司Anthropic CEO Dario Amodei发表2万字长文，发出预言，未来人工智能支持的生物学和医学，将使50-100年的生物进展压缩为5-10年，在这个基础上，能治愈大多数疾病、消灭癌症、预防阿尔茨海默氏症、延长人类寿命到150岁……
这还不算什么。今年1月份，特朗普政府推出的“星际之门”计划，由OpenAI、软银和甲骨文成立合资公司，投资5000亿美元建设AI基础设施。在白宫的发布会上，甲骨文董事长Larry Ellison认为AI将彻底改变医疗保健；未来只需48小时，用AI检测出你体内的癌症，用48小时造出专属疫苗。
又一个AI“神话”。这般预测，也直接带动了Grail的股价大涨。
别问，问就是未来可期。
但是，那些坐在实验的人坐不住了。医学博士Berci Meskó表示：
“（48小时造疫苗）听起来很棒，但现实却遥不可及，所以这很容易误导人。在这些技术安全有效地惠及患者之前，严格的研究、试验和监管是必不可少的。”
加拿大肿瘤学家、放射科医生William Makis更是直言不讳，这是胡说八道。
/ 02 / Moderna咬碎泡沫
谁对谁错，疫苗巨头Moderna最有话语权。
经历过两千亿美元巅峰的Moderna，旁观着这场AI医疗狂欢，然后决定裁掉10%的数字团队。
从员工数量角度出发，这次裁员微不足道。但是，当激进的AI信徒都开始戳泡沫，我们也不得不重新审视那些有关颠覆的豪言。
毕竟，在mRNA技术登顶诺贝尔奖之前，Moderna已经走了14年，而资本市场给的耐心，从来不超过4个财报季。
Moderna非常重视人工智能，并在2023年11月举办了一场相关主题的投资者活动，向外界展示其数字战略，以及AI在加速其创新、规模和价值创造方面的作用。
这也被外界视为其转型破局的关键举措。Moderna相信，AI是公司成功的关键，因为AI既可以保持企业精益运作（不是依靠人员的扩展），又可以不断突破公司的创新能力。
彼时，尚未离职的Brad Miller在那次活动中说，“我们相信，我们必须成为一家实时AI公司，将AI嵌入到我们公司的方方面面”。
Moderna不仅迅速推出了自己的生成式人工智能产品mChat，还开展了大量工作，推动人工智能在开发mRNA药物方面的应用，比如创建新候选蛋白质的人工智能生成模型、围绕小分子的人工智能生成模型，以及在药物临床研究、药物警戒、生产制造甚至商业领域的应用。
在AI领域的投资，是为了打造最好的Moderna。Moderna曾这样说。
耐人寻味的是，Moderna希望通过AI提高员工的整体效率，而当公司迫于现实，收缩成本之际，数字团队也首当其冲。
去年，Moderna宣布了一项成本缩减计划，预计至2027年底削减约11亿美元的开支。其表示这次重组不会涉及大规模裁员，预计未来三到五年内将保持大约6000名员工的规模。
然而，继Moderna工厂裁员，调整制造成本结构后，业绩依然不佳，2024年收入下滑53/4%至32亿美元，净亏损36亿美元。重压之下，Moderna再度传出裁员消息，指向了数字部门。
创造效率的部门，也难逃一裁。
/ 03 / 当科学家的肝碰到资本的嘴
拥抱AI，又被AI反噬，固然有Moderna自身的原因。陷入困境后，为了节省成本而砍早期管线、裁员。但仔细想来，AI不正是要来帮助它降本增效的？
或许是经历前期高举高打、全员投入后的Moderna，发现现实与预期，差得有点远。又或许是，历时两年转型，华尔街的耐心已经耗尽，也不再接受Moderna靠AI讲故事、画饼。
Moderna的转身，就像一盆冷水浇下，提醒人们：狂欢之下，现实依然骨感。
这种割裂源自生物系统与数字系统根本性的范式差异，以及产业节奏的错配。
Moderna用十年时间将个性化肿瘤疫苗（Moderna称为INT疗法）研发周期压缩到6周，这本该是AI赋能的最佳案例。
早在2016年，Moderna便与默克达成合作，致力于mRNA个性化肿瘤疫苗mRNA-4157的研发。
这是一款基于新抗原的个性化癌症mRNA疫苗，利用特有的自动化算法，可靶向患者的特异性突变，且编码多达34种新生抗原。目前，其已在辅助黑色素瘤进入临床三期，也同时进行辅助非小细胞肺癌、皮肤鳞状细胞癌等的临床研究。
最重要的是，这款疫苗从研发到生产制造，都有AI的参与。在研发端，Moderna重点强调，整个过程不需要人员参与，而是多个AI算法以完全自动化、完全集成的方式连接在一起的。
而在生产制造端，Moderna使用AI工具来协调制造资源的调度，以便生产数千种个性化药物，满足正在进行的临床试验的患者需求。核心是Maestro平台，这是一个端到端的数字解决方案，通过真实数据和AI，不断优化整个生产和交付流程。
利用Maestro这样的数字协调工具，Moderna不断提高着自己的效率。目前，其制备肿瘤个性化疫苗需要6周左右的时间。
这与Larry Ellison畅想的48小时自动制备，还有很远的距离。
而根据Moderna官网技术白皮书披露：个性化疫苗开发流程中，平均需35天收集并分析患者抗原呈递细胞反应数据。
换句话说，6周中的5周都用于等待患者T细胞免疫反应数据。这是AI再强大的算法也无法逾越的生物学时间常量。
早筛也是如此。Larry Ellison口中的将AI应用于早筛并不是什么新鲜事，成立之初Grail就在探索这件事，比如其甲基化泛癌早筛新模型。
Grail是以CCGA（循环细胞游离基因组图谱）研究开启了早筛的探索。其核心是想通过一个血液ctDNA的大型临床试验（万人、随访5年），收集样本、建立血液检测癌症的基因组数据库，然后通过机器学习大数据建模进行结果分析判断。
Grail首席医疗官Josh Ofman说，“癌症可能会呈现成千上万个甲基化的变化，通过这些更丰富的信号，可以使用机器学习算法来检测癌症的存在”。在整个人类基因组中，有3000万个甲基化位点存在于10万个DNA片段上。Grail观察了100万个这样的数据。
这需要工业级的人工智能才能在所有这些数据中找到问题。Grail在此基础上，推出了不完美的产品，虽然筛出率低（敏感性51.5%，I-III期为40.7%），但好在广且假阳性低（特异性99.5%，组织溯源准确性88.7%），且性能经过广泛的临床研究验证。
这是Grail用近10年，烧了几十亿美元后，达到的一个成绩。
而当资本向生命科学领域倾倒算力时，没有哪个医学家能肝得过。
/ 04 / 既要期待，又要清醒
尽管AI与之前的技术革命最大的区别就在于它的发展速度。指数增长开始时很慢，但很快就会加速。
然而，生命科学的复杂性，决定了其颠覆不可能来自单点技术突破，而需要依赖跨学科、长周期的系统创新。这要求我们，关于未来，要保持乐观与期待，但关于现实，也要有着清醒的认知。
直到今天，Grail还在其SYMPLIFY临床实验基础上，优化着自己的甲基化泛癌早筛模型测试。“我们现在每优化1%的模型特异性，需要额外整合3.7TB的临床病程数据。”Grail工程师在技术博客中这么说。
后续如果要应用，Grail还需要在训练集上重新训练模型，再进行大规模前瞻性验证。
任重而道远。只有当算法迭代、数据积累、临床验证形成闭环时，技术红利才会真正释放。在此之前，任何将AI+医疗过度神话的预期，都不过是资本催生的泡沫。
AI能够提升效率，甚至带来模式的重塑，AI对于医疗全产业链都意义重大，从研发到诊疗到治疗，每一步都需要时间的探索，不能盲目乐观。
毕竟，再强的AI也算不过三件事：在培养皿里摆烂的细胞、药监局审评员的起床气，以及韭菜们用真金白银投票时的反身性暴击。
原文标题 : AI+医疗，被神话了
