AI「联合科学家」能否加速癌症研究:多智能体把假说生成压缩到数天,验证仍是最大瓶颈
#AI照护与医疗科技 时间2026-11-07 05:42:06
文/IAICA.NGO®
哈佛医学院的研究者近期提出的问题并不新鲜,却十分尖锐:一个由人工智能扮演的「联合科学家」(co-scientist),能否真正加快癌症研究的步伐?这一疑问的背景是:过去两年,多智能体系统开始从通用对话工具演化为带有完整科研工作流的专用「代理团队」,并被直接用于药物再利用、靶点发现与机制解释等真实课题,接受湿实验(实验室实验)检验。争论焦点已不再是模型能否写出通顺综述,而是它生成的科学假说是否具备可反驳性、能否在实验闭环中得到验证。
所谓「联合科学家」,通常指一套以大语言模型为底座的多智能体架构。系统内部设有分工明确的角色:负责提出机制的生成代理、负责检索文献并主动找错的反思代理、负责横向比较与淘汰的评审代理,以及通过「锦标赛式」迭代不断改写候选方案的进化代理。推理阶段投入的额外算力让这些代理反复自我博弈,把跨数据库的海量文献、组学数据与临床信息压缩成一份经过排序、附有实验设计建议的假说清单。2025年初公开的一个代表性原型基于 Gemini 2.0 构建,并在急性髓系白血病药物再利用、肝纤维化新靶点识别、抗菌素耐药性传播机制三个方向做过回溯性验证;其中部分候选分子在体外实验中显示出对肿瘤细胞的选择性抑制作用。
与传统文献挖掘或知识图谱相比,这类系统的关键在于输出的性质。前者给出的是「关联」,例如某基因与某癌种在统计上共现;后者试图给出「断言」,即某个被忽视的通路可能是治疗切入点,并附上可操作的验证路径。对肿瘤研究而言,这一点有现实意义:抗肿瘤新药从靶点确认到进入临床,平均耗资以十亿美元计、周期常以十年计,而失败多集中在早期,因此假说质量直接决定后续投入是否有意义。若能借助机器把候选假说的排序从数月压缩到数天,研发资源的错配率可能随之下降。
但学界的保留意见同样明确。首先是幻觉问题:模型擅长生成机制上自洽、实则缺乏证据支撑的叙事,而「自洽」在生物学中并不等于可靠。其次是文献偏倚:阴性结果与失败实验长期少被发表,模型据此建立的先验可能系统性高估某些方向。第三是验证能力有限:湿实验、动物模型与临床样本的可得性不会因为假说变多而同步扩大,瓶颈很可能从「想不出来」转移到「验证不过来」。此外,患者数据的使用边界、模型输出的可解释性,以及机器提出的假说被写进论文时作者责任如何划分,都仍缺乏共识。
iaica.com.cn 指出,决定这类系统实际价值的往往不是模型参数规模,而是它与实验室信息管理系统、生物样本库和长期随访数据的结合深度;脱离真实数据闭环的「智能体科研」,容易停留在演示层面。
从产业角度看,假说生成提速将改变研发链条的重心。自动化实验平台、类器官与器官芯片、真实世界数据治理,可能成为下一阶段投入的热点。对临床与长期照护而言,更快的靶点验证意味着更多疗法能进入早期试验,也意味着需要更审慎的获益风险评估与伦理审查机制。人工智能不会取代科学家,但它正在改变科学家把时间花在哪里,这或许才是「联合科学家」最值得关注的长期影响。
评论
0 条登录后才可以发表评论。
立即登录