Co-Scientist: AI 發現肝纖維化老藥新用

藥物研發的漫長週期和鉅額成本，一直是制約新療法落地的核心瓶頸。尤其是肝纖維化這類慢性病，現有治療手段有限，而開發全新葯物的風險極高。Google DeepMind 的 AI 系統 Co-Scientist 最近幫斯坦福大學的研究者找到了一條更務實的路徑：從已獲批的老藥裡挖出對抗肝纖維化的新潛力。

老藥新用：AI 如何加速篩選

傳統老藥新用依賴專家經驗和大規模文獻調研，效率有限。Co-Scientist 本質上是一個基於大型語言模型的科學推理引擎，它能夠理解複雜的生物醫學文獻、基因表達資料和已知藥理機制。研究團隊將肝纖維化的病理分子特徵輸入系統，Co-Scientist 在數小時內生成了一份候選藥物清單——這些藥物已經上市多年，安全性資料完整，若能證實對纖維化有效，就能跳過漫長的一期臨床。

專案主導者、斯坦福遺傳學家提到：「我們以往需要幾個月才能整理出一個可行的候選列表，AI 把時間壓縮到了幾天。而且它給出的理由很紮實，從訊號通路到組織分佈都有依據。」 該系統並非簡單做文獻檢索，而是基於底層知識圖譜進行推理，甚至能提出一些人類研究者容易忽略的跨領域關聯。

對肝纖維化治療的現實意義

肝纖維化是多種慢性肝病進展至肝硬化的關鍵階段，全球影響數億人。目前臨床上幾乎無特效抗纖維化藥物——唯一獲批的 OCA（奧貝膽酸）效果有限且副作用明顯。如果能從現有抗生素、心血管藥或代謝類藥物中「篩出」幾款有效候選，將極大降低患者的經濟負擔和治療風險。

「這不是要替代傳統科研，而是讓科學家把精力集中在最有希望的方向上。」 DeepMind 健康團隊在部落格中寫道。

Co-Scientist 不直接做實驗，但它能給出高度可檢驗的預測。團隊已對部分候選藥物啟動了體外和動物模型驗證，初步結果積極。這離臨床應用還有距離，但至少證明了 AI 驅動的藥物再利用是可行且高效的。

侷限與下一步：AI 不是萬能藥

需要直說的是，Co-Scientist 的預測能力高度依賴輸入的資料質量和全面性。對於罕見通路或缺乏公開資料的機制，它的表現會打折扣。此外，從候選到真正獲批仍需要完整的臨床驗證，AI 只能縮短前期的假設生成階段。

對製藥行業和科研機構而言，這類工具的價值在於降低試錯成本。未來若能將更多真實世界患者資料、體內藥效資料納入模型，預測的精準度還會再上一個臺階。值得注意的是，Google 強調 Co-Scientist 目前仍是研究性原型，尚未商業化，但已向學術合作方開放評估。

簡而言之，Co-Scientist 這次在肝纖維化上的應用，是 AI for Science 的一個典型縮影——不是替代人類，而是讓科學家跑得更快。