谷歌&耶鲁等发布270亿参数医学模型，为癌症治疗揭示全新潜在路径

一项由谷歌联合耶鲁大学开展的突破性研究正在重塑癌症免疫治疗的未来格局。研究团队正式发布了拥有270亿参数的Cell2Sentence-Scale 27B模型，这个基于Gemma开源架构构建的人工智能系统不仅成功预测了此前未知的药物组合疗法，更在实验室验证中证实了其将"冷肿瘤"转化为"热肿瘤"的潜力。这标志着人工智能在生物医学领域的应用迈入了从数据分析到假设生成的新阶段。

C2S-Scale 27B的核心创新在于其具备了条件推理能力——这种能力只有在模型规模扩展到足够大时才会涌现。与传统的小规模模型不同，该系统能够理解和预测药物在不同生物环境下的差异化效应，这正是解决癌症免疫治疗核心难题所需的关键能力。

癌症免疫治疗面临的最大挑战之一是许多肿瘤属于"冷肿瘤"，即无法被人体免疫系统有效识别和攻击。将这些肿瘤转化为"热肿瘤"的关键在于增强其抗原呈递功能，使肿瘤细胞能够展示足够的免疫触发信号。然而，寻找能够在特定条件下选择性激活这一过程的药物组合一直是该领域的重大技术挑战。

人工智能驱动的药物发现新范式

C2S-Scale 27B采用了创新的双环境虚拟筛选策略来解决这一难题。研究团队设计了两种不同的测试环境：一种是"免疫环境阳性"条件，包含具有完整肿瘤-免疫相互作用及低水平干扰素信号的真实患者样本；另一种是"免疫环境中性"条件，仅包含无免疫背景的孤立细胞系数据。

通过对4000多种药物在这两种环境下的模拟分析，模型被要求识别那些仅在免疫环境阳性条件下能够增强抗原呈递的药物。这种方法不仅更贴近临床实际情况，更重要的是能够发现具有环境依赖性效应的药物组合——这正是传统药物筛选方法难以捕捉的复杂生物学现象。

模型筛选结果显示，在候选药物中约10-30%在既往文献中有相关记载，而其余大部分则是此前与筛查目标并无已知关联的新发现。这表明大规模AI模型正在超越简单的文献综合，开始生成真正原创的生物学假设。

最引人注目的发现是模型对CK2激酶抑制剂CX-4945的预测。尽管CK2已知参与多种细胞功能包括免疫调节，但文献从未报道过CX-4945通过抑制CK2来显著增强MHC-I表达或抗原呈递。更重要的是，模型预测该药物存在显著的"环境分化效应"——在免疫环境阳性条件下能强力增强抗原呈递，而在免疫环境中性条件下几乎无效。

实验验证证实AI预测的准确性

为了验证模型预测的可靠性，研究团队在人类神经内分泌细胞模型中进行了严格的体外实验。值得注意的是，这种细胞类型在模型训练过程中并未接触过，因此实验结果能够真实反映模型的泛化能力。

实验结果完全证实了模型的预测：单独使用CX-4945对抗原呈递无明显影响，单独使用低剂量干扰素也仅产生有限效果，但联合使用这两种药物却产生了显著的协同放大效应。实验数据显示，联合疗法使抗原呈递水平提升约50%，这一幅度足以显著增强肿瘤对免疫系统的可见度。

这一发现的临床意义不容小觑。抗原呈递是启动抗肿瘤免疫反应的关键步骤，50%的提升幅度可能使原本对免疫治疗无响应的患者获得治疗机会。更重要的是，这种组合疗法的发现完全基于AI模型的原创预测，而非对已知机制的简单扩展。

谷歌CEO桑达尔·皮查伊对这一成果给予了高度评价，称其"为癌症治疗提供了全新可能路径"。这种评价反映了科技界对AI在生物医学应用方面取得突破性进展的认可。

扩展定律在生物学中的验证与应用

C2S-Scale 27B的成功验证了扩展定律在生物学领域的适用性。今年早些时候，谷歌联合耶鲁大学等机构的研究已经证实，生物模型与自然语言处理模型类似，同样遵循扩展定律——模型规模越大，在生物学任务中的表现就越出色。

然而，更重要的发现是扩展带来的不仅仅是现有任务性能的提升，而是全新能力的涌现。条件推理能力——即理解和预测生物现象在不同环境条件下的差异化表现——正是这种规模效应的典型体现。小规模模型无法捕捉这种复杂的环境依赖效应，而大规模模型则能够在这方面展现出质的飞跃。

这种能力的涌现为生物医学研究开辟了新的范式。传统的药物发现依赖于对已知生物机制的理解和扩展，而AI驱动的方法则能够从海量数据中发现此前未被认识的模式和关联。C2S-Scale 27B在CX-4945组合疗法上的成功预测就是这种新范式威力的生动体现。

从更广阔的视角来看，这项研究构建了一个全新的生物发现框架：通过构建足够大规模的模型来创建细胞行为预测系统，运行高通量虚拟筛选，发现环境条件化的生物机制，并生成可以通过实验验证的生物学假设。

这个框架的建立意味着AI在生物医学领域的作用正在从辅助工具转变为发现引擎。未来，研究人员可能会越来越多地依赖这类系统来探索未知的生物学领域，发现新的治疗靶点，并设计更加精准有效的治疗方案。

虽然从实验验证到临床应用仍有很长的路要走，但C2S-Scale 27B的成功为癌症免疫治疗开辟了一条充满希望的新路径。更重要的是，它证明了大规模AI模型在生物医学领域具有超越传统方法的巨大潜力，为人类对抗疾病的努力注入了新的动力。