我们正与世界各地的科学家携手，通过我们的模型和工具，帮助人们更好地发现、治疗和预防疾病。🧬

从精准识别罕见基因变异到加速药物研发，以下是我们如何帮助将实验室突破转化为实际医疗服务 → https://t.co/pSGAGqwOSx

运用技术理解和治疗疾病

来源：https://blog.google/innovation-and-ai/technology/health/ai-health-research/?utm_source=x&utm_medium=social&utm_campaign=&utm_content= Google 正与科学家和研究伙伴合作，帮助人们更好地发现、治疗和预防疾病，旨在改善健康结局\。

一位医疗专业人员坐在桌前，查看两台电脑显示器上的乳腺 X 线影像和医学示意图。

您的浏览器不支持音频元素\。

收听文章

[[duration]] 分钟

此内容由 Google AI 生成\。生成式 AI 尚处于实验阶段

Google 的健康研究和工具涵盖从基础细胞发现到实验室分析，再到改善患者健康的各个环节\。过去五年，Google 团队已发表 90 篇关于理解和应对疾病的同行评审研究论文，累计获得超过 90,000 次引用\。秉承我们关于技术如何加速科学发展、改善生活的愿景 (https://blog.google/innovation-and-ai/technology/ai/ai-applications-science-people/)，我们正与临床医生、学术机构和研究人员合作，确保研究发现能够走出实验室，造福患者\。以下介绍我们的工作如何帮助推动医学研究和公共卫生解决方案的发展\。

解读疾病的运作机制

AlphaGenome Atlas 是目前最全面的预测目录，用于预测人类基因组中单个字母的变异如何影响分子生物学过程\。

照片展示了一个培养皿的特写。

要有效治疗疾病，了解其在分子、基因和细胞层面的运作方式会很有帮助\。我们的早期生物学模型可作为科学家的协作研究工具，揭示自然界隐藏的机制，推动医学发现\。

• **加速药物研发：**巴塞罗那全球健康研究所的研究人员使用 AlphaFold (https://deepmind.google/science/alphafold/)，对 30,000 种化合物进行虚拟筛选，寻找具有抗查加斯病寄生虫活性的化合物。查加斯病是一种被忽视的热带疾病，影响约 800 万人，如不治疗，可能导致危及生命的并发症\。这项研究帮助该研究所发现了两种已获美国食品药品监督管理局（FDA）批准、可能用于治疗查加斯病的药物，从而缩短了实现治疗所需的时间\。
• **绘制与衰老相关的基因变异图谱：**识别哪些罕见基因变化与特定疾病相关颇具挑战，因为大量不产生影响的突变会形成“背景噪声”\。埃克塞特大学的研究人员使用 AlphaGenome Atlas (https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/)，检索了超过 54,000 人的基因组数据，精准定位了影响人体内循环的关键蛋白质丰度的特定变异，其中包括 PLA2G7（与衰老相关）和 EGLN1（一种重要的细胞氧感受器）\。
• **以纳米尺度重建大脑：**我们与哈佛大学利希特曼实验室合作，以纳米级分辨率重建了一块人脑组织 (https://research.google/blog/ten-years-of-neuroscience-at-google-yields-maps-of-human-brain/)，并通过 Neuroglancer (https://h01-release.storage.googleapis.com/explore.html) 公开了相关数据\。我们还绘制了多种模式生物的大脑图谱，包括果蝇 (https://www.cell.com/cell/fulltext/S0092-8674%2826%2900942-6)、斑马鱼幼体 (https://www.biorxiv.org/content/10.1101/2025.06.10.658982v1) 和鸣禽 (https://www.biorxiv.org/content/10.1101/2025.10.25.684569v1)\。这些神经图谱资源使研究人员能够推进对大脑功能的研究\。

加速开发用于医疗解决方案的工具

在 AlphaFold 支持下生成的蛋白质可视化图谱\。

一名男子正看着电脑屏幕，屏幕在深色背景上显示由红色和绿色原子及化学键构成的三维分子结构。

实验室是验证生物学发现、进行工程化开发，并将其转化为潜在医疗和公共卫生解决方案的地方\。我们的模型以能够快速、准确处理大量数据的系统，取代了缓慢、反复迭代的流程\。

• **通过超快速基因组测序支持遗传病诊断：**我们与斯坦福大学医学院合作，在一项临床试验中使用 DeepVariant (https://www.nature.com/articles/nbt.4235) 和 DeepConsensus (https://blog.google/innovation-and-ai/products/a-new-genome-sequencing-tool-powered-with-our-technology/)，帮助在时间紧迫的病例中确定遗传病的病因\。该项目在不到八小时内通过全基因组测序完成遗传诊断，帮助实现了挽救生命的干预措施 (https://www.nejm.org/doi/full/10.1056/NEJMc2112090)。这一前所未有的成就还获得了吉尼斯世界纪录认证 (https://stanmed.stanford.edu/genome-sequencing-breaks-speed-record/)\。
• **从零开始设计定制酶：**我们推出了 AlphaProtein Novo (https://www.biorxiv.org/content/10.64898/2026.10.01.756017v1.full.pdf)，这是一套基于第一性原理创造自然界中不存在的酶的机器学习流程\。在实验室测试中，它成功设计出能够合成关键药物结构基序的定制酶，以及能够在极端条件下降解环境中有毒塑料的其他酶，展示了设计功能性蛋白质的能力，其功能可超越目前自然界中已知的范围\。
• **支持主动开展公共卫生工作：**社区健康与其地理环境密切相关 (https://blog.google/innovation-and-ai/technology/health/google-earth-ai-global-public-health/)\。我们正将 Google Earth AI (https://ai.google/earth-ai/) 模型与环境、天气、人口流动及其他数据相结合，帮助公共卫生负责人 (https://blog.google/innovation-and-ai/technology/health/google-earth-ai/) 预测疾病暴发，并为弱势社区提供医疗服务\。在世界卫生组织非洲区域办事处（WHO AFRO）(https://afro.who.int/) 和刚果民主共和国国家生物医学研究所（INRB）(https://www.inrb.net/) 的一项新研究中，对话式地理空间模型替代了原本需要数周的手动编码工作，帮助更早识别埃博拉病毒暴露和传播风险，使当地应急人员能够提前部署移动实验室\。

利用机器学习模型支持医疗服务提供者

新的乳腺 X 线筛查系统可帮助发现以往漏诊的间期癌，并减轻专科医生的阅片负担\。

一位留着深色短发、身穿浅色外套的医疗专业人员，正在查看电脑屏幕上显示的乳腺 X 线影像。

医学突破只有能够帮助现实中的人们才有意义\。我们的研究表明，机器学习模型能够辅助疾病检测，并减轻行政工作负担，让医疗服务提供者能够专注于诊疗\。

• **标记以往漏检的癌症特征：**在与伦敦帝国理工学院及英国国家医疗服务体系（NHS）合作、发表于《Nature Cancer》的两项研究 (https://www.nature.com/articles/s43018-026-01128-z) (https://www.nature.com/articles/s43018-026-01127-0) 中，我们针对 125,000 名女性评估了一套乳腺 X 线筛查系统\。该系统检出了 (https://blog.google/innovation-and-ai/technology/health/google-ai-breast-cancer-detection/) 以往漏诊的间期癌中的 25%，同时显示出将专科医生阅片工作量减少多达 40% 的潜力，有望显著缓解放射科医生严重短缺给医疗体系带来的压力\。
• **发现儿童白血病中隐藏的突变：**儿童慈善医院将 DeepSomatic (https://blog.google/innovation-and-ai/technology/research/deepsomatic-an-open-source-ai-model-is-speeding-up-genetic-analysis-for-cancer-research/) 应用于此前已完成测序的真实儿童白血病病例时，尽管面临仅有肿瘤样本的挑战，该模型仍确认了所有已知变异，并发现了此前漏检的 10 个突变\。DeepSomatic 已公开可用，有望为患者风险和靶向治疗方面的临床判断提供参考\。
• **预测全球流感高峰：**Google 的一款流感预测模型 (https://blog.google/innovation-and-ai/models-and-research/google-research/google-science-ai-flu-forecasts/) 在预测 2025–2026 流感季的流感相关住院人数方面，被美国疾病控制与预防中心（CDC）评为第 1 名\。该模型使用我们的 Empirical Research Assistance 工具 (https://research.google/blog/four-ways-google-research-scientists-have-been-using-empirical-research-assistance/) 开发，表现优于其他 38 套系统，预测结果与实际观察到的住院人数高度吻合，展示了这项技术如何帮助公共卫生官员预判医疗服务需求，并更充分地为季节性疫情做好准备\。

让更好的健康人人可及

推动健康领域的变革，需要科学家、研究人员和机构携手合作\。因此，我们为科学界提供先进模型和开放获取平台，以推动突破性研究，同时提供将这些研究付诸应用所需的公益资金和算力\。

通过 Google.org，我们正在支持马凯雷雷大学传染病研究所等机构 (https://blog.google/company-news/outreach-and-initiatives/google-org/announcing-ai-for-science-awardees/)，利用 AlphaFold 和 AlphaMissense 预测疟疾耐药性突变；同时支持宾夕法尼亚大学使用 AlphaProteo 和 AlphaFold，帮助设计新型细胞疗法，以增强对实体瘤和复杂疾病的治疗效果\。2026 年，Google.org 已向世界各地利用先进模型革新人类理解和治疗疾病方式的组织提供超过 6,000 万美元的资金\。

通过在各个阶段应对疾病，我们能够将人类健康领域最棘手的挑战转化为可付诸实践的解决方案，帮助世界各地的人们活得更长久、更健康\。

在您的收件箱中获取 Google 最新消息

订阅我们的新闻通讯，获取产品更新、活动信息、特别优惠等内容\。

您的信息将按照 Google 隐私政策使用\。(https://policies.google.com/privacy) 您可随时退订\。

关于作者

Yossi Matias Yossi Matias (https://blog.google/authors/yossi-matias/)

Google 副总裁兼 Google Research 总经理

Yossi Matias 是 Google 副总裁兼 Google Research 负责人\。在 Yossi 的领导下，世界一流的全球团队正在基础机器学习与算法、计算系统与量子计算、科学，以及在健康、气候、可持续发展、教育、文化与行为智能领域产生社会影响的 AI 等方向开展突破性研究\。Yossi 还领导团队推进生成式 AI 的基础研究，包括事实准确性和效率方面的研究，推动现实世界的实际成效，塑造技术的未来\。

收起

Pushmeet Kohli Pushmeet Kohli (https://blog.google/authors/pushmeet-kohli/)

Google DeepMind 科学副总裁兼 Google Cloud 首席科学家