引言：AI 驅動嘅生物醫學革命
2025年10月14日，Google DeepMind 宣布其最新 AI 模型喺癌症研究領域取得重大突破：透過大規模模擬，AI 生成功並實驗驗證咗一個全新假設，指出將名為 silmitasertib（CX‑4945）嘅藥物同免疫訊號結合，可以令「冷腫瘤」更容易俾免疫系統識別。呢個發現標誌住 AI 由輔助工具向獨立科學發現者嘅轉變，Google CEO Sundar Pichai 稱之為「AI 科學里程碑」。根據 Decrypt 報道，呢項成果來源於 DeepMind 嘅 270 億參數基礎模型 Cell2Sentence‑Scale 27B（C2S‑Scale），係同耶魯大學合作完成。該模型基於 Google 開源嘅 Gemma 系列，分析患者腫瘤數據，模擬超過4000種藥物效果，最終提出文獻未見嘅新假設，並喺體外實驗中證實抗原呈現提升約50%。X 平台用戶 François Chung 分享話，呢個突破展示咗 AI 喺癌症療法中嘅潛力，帖子獲得數百互動。
呢項進展並非孤立。近年嚟，AI 喺癌症研究中頻頻發力。Nature 雜誌報道，類似 AI 模型已用於預測腫瘤微環境，幫助破解化療耐藥性。NIH 數據庫顯示，2025 年 AI 輔助癌症診斷準確率已達95%以上，例如 Harvard 嘅 CHIEF 模型喺腫瘤分子譜分析中達到96% 精度。Google 呢次發現進一步擴展咗 AI 嘅應用邊界，從數據分析到生成新假設，推動免疫療法嘅革新。
項目概述：由數據到假設嘅 AI 管道
DeepMind 嘅 C2S‑Scale 模型係一個 270 億參數嘅單細胞分析基礎模型，會將細胞轉錄組數據轉化為「句子」形式，利用自然語言處理技術模擬生物過程。與傳統 AI 唔同，該模型唔止係優化現有知識，而係透過虛擬篩選生成全新見解。研究團隊分析患者腫瘤樣本，喺兩種條件下模擬藥物：免疫訊號活躍與非活躍。模型篩選咗超過4000種候選藥物，預測 silmitasertib（CK2 激酶抑制劑）喺免疫活躍條件下能增強 MHC‑I 表達同抗原呈現，令腫瘤細胞更易俾 T 細胞攻擊。DeepMind 部落格強調，呢項預測「令人興奮」，因為雖然 CK2 與免疫相關，但 silmitasertib 增強 MHC‑I 嘅機制此前未有報道。
方法方面，模型整合咗單細胞 RNA 測序數據，使用 Gemma 架構處理海量生物信息。耶魯大學實驗室隨後驗證：喺人類神經內分泌細胞中，配合低劑量干擾素處理後，抗原呈現上升約50%。X 用戶 Sandeep Sunny Lakhina 指出，呢個係 AI「啱啱起步」嘅信號，並強調模型已喺 Hugging Face 同 GitHub 上公開，預印本刊登喺 bioRxiv，有助於開源協作。相比 Science 雜誌報道嘅類似研究，Google 嘅方法更注重條件依賴：藥物效果只喺免疫活躍時顯現，避免泛化錯誤。
呢個管道借鑒咗網絡藥理學同 AI 融合。Nature 一項 2025 年嘅研究顯示，AI 優化肺癌分割準確率有提升，類似 DeepMind 嘅虛擬篩選。NIH 嘅婦癌預測模型使用機器學習分析基因組數據，準確率達85%，但 Google 嘅創新係生成新假設，而非單純預測。
關鍵發現：點亮「冷腫瘤」嘅新路徑
「冷腫瘤」指免疫系統難以識別嘅癌症類型，佔多數病例，導致免疫療法如 PD‑1 抑制劑無效。C2S‑Scale 預測，silmitasertib 抑制 CK2 後，喺干擾素刺激下，MHC‑I 表達增強，抗原呈現提升約50%，令腫瘤「變熱」。實驗證實：喺體外細胞中，呢個組合顯著提高免疫可見性。DeepMind 表示，呢個發現「揭示咗開發癌症療法嘅新路徑」。
與其他研究比較，韓國研究者使用 AI 工具 BENEI 識別結腸癌關鍵基因，關閉後腫瘤縮小70%。Harvard 嘅 CHIEF 模型由影像預測腫瘤基因，準確率96%，聚焦診斷而非治療。Google 嘅創新在於條件特異性：藥物只喺特定語境有效，避免副作用。Nature 關於腫瘤微環境嘅研究強調，AI 可預測化療耐藥，與 DeepMind 嘅模擬相呼應。
創新意義：AI 由助手走向發明家
呢次突破展示咗「規模化生物 AI」嘅潛力。DeepMind 表示，模型能生成「新想法，發現未知」，為生物發現提供新藍圖。相比 WSJ 2020 年報道嘅 Google AI 乳癌檢測（降低假陽性），2025 版更注重假設生成。X 用戶 Dr Singularity 指出，AI 設計蛋白針對癌症肽，標誌住「抗癌戰爭加速」。NIH 關於 AI 腫瘤學嘅綜述亦指出，生成式 AI（例如擴散模型）加速藥物發現，DeepMind 嘅 C2S‑Scale 擴展咗呢個趨勢。
喺開源方面，該模型工具已公開，有助促進全球研究合作。耶魯團隊正喺探索機制，並測試其他模型預測。Nature 關於網絡藥理學嘅研究亦使用 AI 識別 KRAS 相關基因，與 DeepMind 嘅虛擬篩選方法類似。
挑戰與未來展望
儘管前景光明，Decrypt 警告話，結果仍需同行評審同臨床驗證，療法開發可能需數年時間。NIH 報告顯示，FDA 對 AI 裝置嘅審批報告存在不足，強調風險評估。X 用戶 CytorexNovelTherapetutics 分享話，結合干擾素嘅組合提升抗原呈現約50%，但仍需更多測試。
未來，DeepMind 計劃擴展模型應用到更多疾病。Pichai 喺推文話：「更多測試可能揭示癌症療法新路徑。」與 Science 關於 AI 醫療嘅綜述一致，呢項突破有望加速個性化療法。AI 喺癌症領域嘅崛起，正重塑生物醫學格局，推動由被動治療向主動預防轉型。
結論：AI 為癌症研究帶嚟曙光
Google DeepMind 呢項發現，不單止係破解咗癌症「密碼」，仲展示咗 AI 喺科學上新嘅角色。由模擬到驗證，呢條管道為全球研究者提供工具。結合 NIH 同 Nature 嘅相關進展，AI 正加快征服癌症嘅步伐。但未來要審慎推進，確保倫理同安全。