从DNA到蛋白质，AI正在寻找疾病的新信号

人工智能正在进入生命科学一个非常重要的领域：寻找新的生物标志物。

9月25日，《Signal Transduction and Targeted Therapy》发表综述，系统讨论AI在疾病生物标志物发现中的应用。

今天的变化，并不是某一种新的“AI检测”突然出现，而是研究人员能够让AI同时面对越来越复杂的生物医学数据：

基因组

表观遗传组

蛋白质组

代谢组

单细胞与空间组学

液体活检

医学影像

可穿戴设备产生的数字信号……

过去，研究人员往往从某一个分子、某一条通路寻找疾病线索。

现在，机器学习开始帮助研究人员从成千上万个变量中寻找过去不容易被发现的模式。

这意味着AI在医学中的角色正在继续变化：

不仅帮助医生整理已经知道的知识，

也开始帮助科学家寻找——

我们以前还没有注意到的生物学信号。

今天另一项研究就是很好的例子。

《Scientific Reports》发表了一项血液循环microRNA研究，研究人员正在探索利用血液中的microRNA寻找喉癌早期检测和疾病监测的潜在线索。

论文使用的表述非常谨慎：

Discovery and initial validation——发现与初步验证。

也就是说，目前发现的是值得进一步研究的候选生物标志物，而不是已经成熟的“喉癌验血”。

这也是今天值得记录的一点：

AI可以让“寻找信号”变得越来越快，但一个信号从被发现，到最终成为真正可以使用的医学工具，中间仍然有很长的路。

与此同时，今天发表的另一项研究把注意力放到了年龄相关肌肉减少。

研究人员在细胞和动物模型中研究inotodiol与肌肉衰老之间的关系，并进一步观察LXRβ、SIRT3、PGC-1α以及线粒体功能相关机制。

这项研究目前不是人体临床试验。

它真正告诉我们的，是科学家正在继续把“肌肉为什么随着年龄减少”这个问题向细胞能量代谢和线粒体层面推进。

科研之外，行业规则也在同步变化。

9月25日，美国FDA医疗器械与放射健康中心与Medical Device Innovation Consortium举行监管科学会议，讨论数字健康、计算机模拟工具、非动物研究方法、医疗器械网络安全等问题。

FDA当天还发布了机器人辅助手术设备上市前申报指南草案。

一个值得注意的变化正在发生：

AI、数字健康、机器人和新的生物医学数据不断进入医疗领域，监管讨论也开始越来越具体地面对这些新技术如何证明安全性、性能和可靠性。

植物药领域也出现类似趋势。

FDA近期就Botanical Drug Products（植物药产品）开发征求意见，并与欧洲药品管理局（EMA）讨论植物药开发中的质量标准、研究设计、真实世界证据等问题。

传统植物进入现代医学研发体系以后，面对的问题正在变得越来越具体：

到底是什么成分？

产品之间是否一致？

剂量是多少？

如何证明效果？

怎样评价安全性？

这些问题已经不只是“这种植物过去用来做什么”。

而是如何把复杂的天然来源产品变成能够被现代研究验证的医学产品。

把今天这些进展放在一起，可以看到一个很有意思的变化：

我们能够观察身体的方法正在迅速增加。

DNA、RNA、蛋白质、代谢物、医学影像、智能手表、液体活检……

现在，AI又开始帮助我们从这些数据中寻找新的模式。

未来的问题可能不再只是：

“我们还能测什么？”

而会越来越多地变成：

“这些新发现意味着什么？”

今天还不需要急着回答这个问题。

因为很多新的信号，才刚刚被发现。

但有一点已经越来越清楚：

AI正在成为生命科学寻找新线索的重要工具。

而发现更多——

只是开始。

——

Science & Education：BI 身体智慧（Body Intelligence）

AI-assisted Research & Illustration：BI × GPT

Professional Review：林存默（Thomas Lin）

Professional Community：ACPN — The Association of Certified Professional Nutritionists

加拿大注册执业营养师公会

Published by VoiceToday｜今日之声