Tao Lab

← 返回 Dashboard

圆桌讨论

圆桌讨论：AI 与生命科学（聚焦 AI 如何变革医疗健康与患者可及性）

Panel Discussion - AI x Life Science
圆桌讨论🎤 主持人：陈柳/刘成（Cheng Liu，Eureka Therapeutics 创始人、董事长兼 CEO）；嘉宾：Tim Korfiatis（健康科技投资人、Berkeley SkyDeck 与克利夫兰诊所顾问）、Hoifung Poon（潘海枫，微软研究院生物医学 AI 总经理）、Ali Khademhosseini（连续创业者、Terasaki 生物医学创新研究所 CEO）、Deniz Kent（Prolific Machines 联合创始人兼 CEO）⏱ 42:05👁 NA
▶ 在 YouTube 观看
五位横跨药物研发、AI 基础模型、组织工程、合成生物制造与医疗投资的专家，讨论 AI 如何加速新药发现、降低制造与医疗成本、扩大患者可及性，并直面医保系统公平性的难题。

核心要点

分章详解

嘉宾介绍：横跨 AI 与生命科学全栈

  • 主持人 Cheng Liu 开场即把讨论范围从「生命科学」扩展到「医疗健康（health care）」，核心议题是 AI 如何改善医疗并提升患者可及性。
  • Tim Korfiatis：25 年医疗与科技交叉经验，2010 年合伙创办健康数据分析平台 ViewX（后被罗氏 2017 年收购），在罗氏负责数字健康业务 7 年，现为早期健康科技公司天使投资人与顾问。
  • Hoifung Poon：计算机科学背景，博士做 AI，加入微软研究院 15 年，领导生物医学研究与孵化；研究主线是「学习患者的语言」——把 CT、MRI、数字病理、多组学等多模态信号统一建模。
  • Ali Khademhosseini：曾任哈佛 12 年、UCLA 教授，建非营利研究机构，做过 3 家公司（医疗器械被波士顿科学收购、细胞培养肉、AI+材料科学），定位是连接「计算机内」与「真实世界」的实验数据桥梁。
  • Deniz Kent：免疫学与再生医学背景，8 年来开发一套合成生物学软硬件栈，让机器直接与细胞「对话」并通过递归学习算法学会控制生物过程。

AI 加速药物发现：风洞、显微镜与水晶球

  • Hoifung Poon 提出 AI 给医学科研的三种超能力。风洞=虚拟临床试验：与全美第三大非营利医疗系统 Providence 合作开发 Trial Scope，用真实世界患者旅程结构化数据虚拟开展试验，对标 Keytruda 等金标准试验验证其同样准确——「花一百美元算力模拟一个上亿美元的试验」，但不会取代随机对照试验（RCT）。
  • 显微镜=解读肿瘤微环境：免疫疗法最有希望根治癌症，但 Keytruda（年销 350 亿美元）总体响应率仅约 20%，关键在理解肿瘤微环境；与 Providence、华盛顿大学合作开发首创基础模型 Cerebro，用 Transformer 分析数字病理到空间蛋白组的「十亿维」图像，模型开源、下载数百万次，已被西奈山、纪念斯隆-凯特琳用于前瞻性精准肿瘤试验。
  • 水晶球=预测疾病与治疗反应：与 Epic、耶鲁合作，基于 Epic Cosmos 的 3 亿患者旅程训练「Curiosity」虚拟患者模型，类比 GPT 的「预测下一个词」，改为「预测下一个事件」，可由历史推演未来轨迹，常能匹敌甚至超过针对单一任务的监督学习方法。

类器官芯片：用人源组织替代动物实验

  • Ali Khademhosseini 指出当前药物研发严重依赖动物模型，但小鼠与人并不必然相关，导致大量后期失败；人源化组织模型既预测更准，又能匹配特定患者的全基因组信息。
  • 技术上借鉴再生医学与组织工程：选用合适干细胞分化出不同组织，再把细胞放进正确的三维结构与微生理模型，从而预测人体内各类细胞与组织的反应。
  • 举例：测肝毒性可用含肝细胞及周围细胞类型的肝组织模型获得更真实行为；要看系统性生理反应可把肠-皮肤-肝-心多组织相连。
  • NIH 与 FDA 正推动该技术、要求尽量减少动物数据，最终显著降低成本、提高疗效与通量，并生成可反哺 AI 模型的数据。

合成生物制造：用光控细胞，建无人生物工厂

  • Deniz Kent 指出很多药物即使设计出来，现有制造基础设施也做不出来，或成本高到无法在多个市场使用。
  • 其平台用「光敏蛋白」作为智能机器与细胞间的罗塞塔石碑：光敏蛋白受特定波长光照改变形状，拴接到细胞内任意目标蛋白上，从而用不同波长光正交地、动态地选择性控制细胞内任意过程。
  • 硬件与现有设备即插即用，工程师把光照器嵌入反应器，闭环控制算法持续优化光照模式，表现已超越世界顶尖生物工艺工程师；近期打破了单克隆抗体产量（titer）世界纪录。
  • 经济中大部分产品源自细胞，该平台可造食品、燃料、材料，以及难以制造的复杂治疗药物（多链化学计量平衡、毒性分子、短半衰期等）。

患者可及性：把复杂疗法带到社区、触达医生

  • Tim Korfiatis 指出生物制剂、自身免疫与肿瘤支持疗法常每位患者花费超 10 万美元，过去只能在顶级学术医疗中心提供，农村患者需长途跋涉。
  • Medicare 与商业支付方正激励把这类护理下沉到社区：可获得相同疗效、成本约降低 30%；但社区门诊仍多用电子表格和为大医院设计的电子病历，缺乏可规模化的运营系统——这正是 AI 的机会。
  • 制药公司每年花数百亿美元试图触达医生，却只有约 50% 医生真正接触到药代；语音 AI 等可在任何时间地点向医生提供基于证据、合规的临床对话，重塑药企与医生的互动方式。

医疗可负担性与可持续：制造、预防、行政自动化

  • Deniz Kent：药物制造成本与生产难度呈非线性关系，单抗已能高产，但双特异性/三特异性/融合蛋白等复杂分子产量仅 1–3 g/L、极其昂贵；用光控转录与分泌可提升产量，加上无人生物反应器减少人力，可大幅降本。生物类似药仅约 37% 临床试验成功（因表面糖基难以匹配原研药），用光精确控制糖基可做成「生物等同药」，把临床试验风险降到接近零。
  • Ali Khademhosseini：强调预防医学与可穿戴/无创数据的兴起，AI 实时反馈帮助人们更健康生活，美国在这方面做得不够但未来会更重要；影像判读、多模态输入整合等也能减少诊断所需人力。
  • Hoifung Poon：行政低效巨大——美国医患双方每年互发 90 亿份传真做预授权，临床试验运营每年高达 1000 亿美元；第一波颠覆是用智能体 AI 自动化已数字化的知识工作；更激动人心的是把每天为运营被动收集的海量患者旅程数据，转化为主动的医学发现与价值医疗引擎，弥合数十年的转化鸿沟。
  • Tim Korfiatis：近 50% 医生（尤其疫情后）有职业倦怠，主因是病历文档负担；环境式 AI 记录（ambient scribing）是医疗交付中采用率最高的领域之一，能解放医患对话、自动触发转诊/处方/试验等工作流；全美超 5 万亿美元医疗支出中约 1 万亿流向行政流程（授权、核验、账单、拒付），这些重复性工作正是 AI 的替代目标，已创造数千亿美元价值。

尖锐提问：AI 会让医疗更公平还是被既得利益者武器化？

  • 观众提问：医疗经济学常导致保险公司拒付，掌握权力（保险公司、医疗提供方）的一方才是主要的 AI 使用者，如何让普通人更公平、更人性化？
  • Tim：ChatGPT Health、Claude for Health、Verily 等几乎零成本的产品正连接个人病历、诊断与可穿戴数据（1 亿美国人在用），让消费者带着信息和问题就医、主动编排自身健康旅程，从而「绕过系统」并把系统用在它擅长的地方——治病。
  • Hoifung Poon：全球医疗 GDP 约 10 万亿美元且增速远超通胀，我们应让 AI 成为「通缩力量」；患者最大痛点是信息不对称（同一手术为何相差 10 倍价格），且今天的最佳实践 10–20 年后回看可能像「野蛮时代」；但虚拟患者模型既能用于精准健康，也可能被保险公司武器化最大化利润——这是超越技术的社会问题，需要社会集体重塑商业模式以更新「社会契约」。
  • Deniz Kent：坦言这些技术更可能被用来扩大药企利润率而非真正降价；他只看到两条出路——政府干预设定利润上限（鉴于制药游说强大，可能性低），或用这些工具创造竞争、用资本主义逼大公司降本（更现实）。
  • Ali Khademhosseini：作为乐观主义者，相信 AI 全面普及带来的「丰裕时代」与通缩力量会让服务更可及，但也认同政府介入等措施可能仍需配合。

关键引述

“你花一百美元的算力，去模拟一个上亿美元的临床试验。（You spend a hundred buck in computer to simulate a hundred million dollar trial.）”— Hoifung Poon
“如果不理解患者的语言，这些信号听起来就只是一堆乱码。（If we don't understand the language then they just sound like gibberish.）”— Hoifung Poon
“一个工厂可以制造药物却基本上没有人——AI 算法接管照明器，比任何生物工艺工程师团队都做得更好，因为它一直在岗：它从不闹脾气，从不离婚，永远状态在线。”— Deniz Kent
“造成医生倦怠的主因是文档记录：他们上完长班回到家还要整夜写病历。”— Tim Korfiatis
“技术能把昨天不可能的事变成明天可能的事，但接下来社会需要重新想象我们的商业模式和工作流程，去更新社会契约——这远超出我这篇论文的范围。”— Hoifung Poon

术语 / 人物

Trial Scope（虚拟临床试验） — 微软与 Providence 合作的 AI，把真实世界患者数据结构化后虚拟开展临床试验，速度快、成本低，并经金标准试验验证准确性。
Cerebro / 肿瘤微环境基础模型 — 微软与 Providence、华盛顿大学开发的首创基础模型，用 Transformer 分析数字病理与空间蛋白组的超高维图像，开源且被多家顶级癌症中心采用。
Curiosity（虚拟患者世界模型） — 基于 Epic Cosmos 3 亿患者旅程训练，用「预测下一个医疗事件」方式学习，可模拟未来疾病轨迹与治疗反应。
类器官芯片 / 微生理模型（Organ-on-a-chip） — 用人源干细胞构建三维组织模型替代动物实验，预测药物毒性与疗效更准，可匹配特定患者基因组。
光遗传学制造 / 光控蛋白 — Prolific Machines 用受特定波长光照改变形状的光敏蛋白控制细胞内任意蛋白，实现对细胞过程的正交动态控制和无人化生物制造。
生物类似药 vs 生物等同药 — 生物类似药氨基酸序列相同但表面糖基难匹配，临床仅约 37% 成功；精确控制糖基可做成与原研药一致的「生物等同药」，把临床风险降至接近零。
环境式 AI 病历记录（Ambient AI scribing） — 在医患对话中后台自动捕捉临床记录，缓解医生文档负担与职业倦怠，是医疗交付中采用率最高的 AI 应用之一。
Keytruda（帕博利珠单抗） — 重磅免疫检查点抑制剂，年销约 350 亿美元，但总体响应率仅约 20%，凸显理解肿瘤微环境的重要性。

背景补充

本场为 SAIR（科学与 AI 研究基金会，陶哲轩等联合创立）活动中的「AI x 生命科学」圆桌。主持人 Cheng Liu（刘成）是 Eureka Therapeutics 创始人兼 CEO，深耕癌症 T 细胞免疫疗法，持有数百项专利。Hoifung Poon（潘海枫）是微软研究院生物医学 AI 总经理、华盛顿大学医学院兼职教授，主导 PubMedBERT、BiomedCLIP、BiomedParse、GigaPath 等开源医学基础模型。Ali Khademhosseini 是 Terasaki 生物医学创新研究所 CEO、前哈佛与 UCLA 教授，组织工程与 GelMA 水凝胶领域先驱。Deniz Kent 是 Prolific Machines 联合创始人兼 CEO，用「光控细胞」技术革新细胞制造，已融资约 9000 万美元（投资方含 Breakthrough Energy Ventures、In-Q-Tel 等）。

适合谁看

适合关注 AI 制药、数字病理、精准医疗、合成生物制造与医疗政策的研究者、创业者、投资人，以及思考 AI 如何影响医疗可及性与公平性的政策与产业人士。