“治愈所有疾病”，你信吗？

# “解决所有疾病？”你确定吗？ 来源：https://www.theverge.com/column/935021/google-io-gemini-for-science-alphafold-alphagenome-ai-health *这是*Optimizer (https://www.theverge.com/optimizer-newsletter)*，一份每周新闻通讯，由*Verge*资深评论员**Victoria Song** (https://www.theverge.com/authors/victoria-song)*撰写，剖析并讨论那些声称要改变你生活的最新小玩意和药水。本期是特别早发版，与*The Verge*的 Google I/O 报道相关。下期将于下周五常规时间与你见面。点此订阅*Optimizer* (https://www.theverge.com/newsletters)。* 在今年 Google I/O 主题演讲接近尾声时，Google DeepMind 首席执行官 Demis Hassabis 面无表情地宣称，公司希望“重新构想药物发现过程，目标是有一天解决所有疾病”。 这正是“如果属实，那可不得了”这句话所适用的情形。 Hassabis 真正描述的是 **Gemini for Science** (https://ai.google/gemini-for-science/)，一套实验性 AI 工具，旨在鼓励研究人员探索并做出新发现。 在 *Optimizer* 中，我经常批评 AI 健康领域，但 Hassabis 的这句话确实需要更多的背景解读。良好的科学传播——既能让外行人理解，又不会无意中传播错误信息——已经变得越来越困难。I/O 现场的 researchers 当然明白，这一说法意味着 AI 的进步已经大幅缩短了取得新医学发现所需的时间。但对于普通人（甚至可以说，对于科学传播者），这听起来很可能像是“Gemini 要治愈所有疾病，因为 *这* 就是 AI 的力量”。这根本不是现实世界中医学突破的方式。 几十年来，AI 一直是医学研究和发现中不可或缺的一部分。可穿戴设备使用的算法？那是 AI。非侵入性可穿戴检测功能的发现？机器学习，亲爱的。生成式 AI 是这一研究领域相对较新的进入者，但它拥有令人难以置信的前景。作为工作的一部分，我经常与临床研究人员交谈，多年来消费者健康技术的许多突破部分归功于 AI 的进步。例如，这篇 **荟萃分析** (https://pmc.ncbi.nlm.nih.gov/articles/PMC12095282/) 发现，AI 在缩短新冠疫苗开发时间方面发挥了重要作用。这是全世界都受益的事情。然而，该分析也发现，在算法偏差、数据隐私和全球公平获取方面，以这种方式使用 AI 仍面临重大的伦理、后勤和监管挑战。 在主题演讲中，Hassabis 提到了 Google 的 **AlphaFold** (https://deepmind.google/science/alphafold/) 和 **AlphaGenome** (https://deepmind.google/blog/alphagenome-ai-for-better-understanding-the-genome/) 项目。前者帮助研究人员更好地理解蛋白质结构。这很重要，因为蛋白质在无数生物过程中扮演着多种角色。更好地理解蛋白质——甚至设计新型合成蛋白质——可能是解锁癌症疗法的关键。（最近，科学家发现了 1,700 种 **新蛋白质** (https://www.embl.org/news/science-technology/scientists-uncover-thousands-of-new-proteins-in-dark-proteome/)，可能正是为此。）传统上，发现新蛋白质、了解它们的作用以及它们如何与其他分子相互作用，是一个长达数年的过程。像 AlphaFold 这样的工具有助于大幅缩短这个时间。在实际案例中，研究人员利用这个模型开发 **疟疾疫苗** (https://deepmind.google/blog/stopping-malaria-in-its-tracks/)，发现了 LDL（或“坏胆固醇”）背后的 **一个关键蛋白质** (https://deepmind.google/blog/revealing-a-key-protein-behind-heart-disease/)，并理解了 **早发性帕金森病** (https://deepmind.google/blog/targeting-early-onset-parkinsons-with-ai/) 背后的另一种蛋白质，以及其他应用。 Demis Hassabis 在 Google I/O 2026 上的另一张照片，他身后的屏幕上显示着研究人员工作的图片和分子结构。 (https://platform.theverge.com/wp-content/uploads/sites/2/2026/05/demis-hassabis-2.jpeg?quality=90&strip=all&crop=0,0,100,100) *Gemini for Science 是一组 AI 工具，旨在帮助研究人员做出新发现。* 与此同时，AlphaGenome 是另一个模型，帮助研究人员预测人类 DNA 序列中的突变。这个模型的潜力在于，它可能帮助研究人员理解某些疾病发生的原因，不过在一篇 **《自然》** 研究 (https://www.nature.com/articles/s41586-025-10014-0) 中，Google 指出存在重要的局限性。例如，该模型尚未经过验证，甚至并非设计用于个人基因组预测，而且在捕捉细胞和组织特异性模式方面存在困难。这些对研究人员来说是重要的细微差别，但通常会被其他所有人忽略。 在许多方面，Hassabis 在台上所说的话并非针对你或我。而且，还有一些其他重要的背景：这些 AI 模型和 Gemini for Science 工具不会在未来三年、五年甚至十年内神奇地根除癌症或所有以前“无法解决”的疾病。这种事情很可能需要 **至少** 20 年，甚至更久。你可能会觉得那是一段很长的时间——尤其是考虑到这对你目前生病的亲戚或你自己的寿命意味着什么。但就严谨的科学研究而言，这是一个雄心勃勃且激进的估计。 但这并不是你在主题演讲中有时间解释的事情，因为你同时还要宣布四十亿个其他 AI 代理和功能。问题在于，这些言论传播甚广，影响巨大。对于我们大多数人来说，AI 健康迄今为止是一种糟糕的体验：重复的指标总结、幻觉以及烦人的手把手指导。我们不一定非要将研究人员使用的 AI 工具与消费者 AI 健康功能混为一谈，但人类极其容易这样做。 我对 Hassabis 言论的第一反应是想起卫生部长 RFK Jr. 最近的一份声明。在国会听证会上，Kennedy 说 AI 可能让食品药品管理局“变得无关紧要” (https://www.theverge.com/news/917094/rfk-jr-says-ai-could-make-the-fda-irrelevant)。他的逻辑是 AI 可以帮助开发和批准新药。将这与 Hassabis 的言论——一个完全不同背景下的说法——相比较，你就会明白普通人的反应可能会跳跃到误导性的联想。例如，认为 Google 在附和或支持 Kennedy 的分析。 一张 The Verge 的 Google I/O 2026 主题演讲实时博客截图，其中 Nilay Patel 描述资深评论员 Victoria Song 在 Demis Hassabis 说目标是解决所有疾病时低声说了句“好吧”。Victoria Song 回应说：“这肯定会成为一期 Optimizer 的议题，我发誓。” (https://platform.theverge.com/wp-content/uploads/sites/2/2026/05/Screenshot-2026-05-20-at-13.27.43.png?quality=90&strip=all&crop=0,0,100,100) 并非无的放矢，**The Verge 此前曾报道** (https://www.theverge.com/ai-artificial-intelligence/697129/rfk-jr-ai) 过为什么 Kennedy 关于 AI 在健康领域的观点存在缺陷。但作为提醒，Kennedy 去年在接受 Tucker Carlson 采访时表示，AI 可以快速加速药物审批流程。这是一个笼统的说法，并非完全错误。是的，AI 工具长期以来一直用于这一领域。是的，更新、更强大的模型可以让研究人员和制药公司的流程变得更容易、更高效。但这并不能消除 FDA 药物试验、动物测试以及各种已经实施了几十年的流程的需求。AI 最终只是一个工具，需要专家意见和协作，并且，第一百万次强调，科学严谨性不是一个可以随意跳过的步骤。 背景为王，而它通常是在那些哗众取宠的短句中第一个被抛弃的东西。这就是为什么，当我第一次概述 **健康诈骗套路** (https://www.theverge.com/column/889922/optimizer-casey-means-wellness-influencer-playbook) 时，我说第一步通常是将一个宽泛的事实与一个误导性的断言并置。需要明确的是，我并不是说 Hassabis 在他的主题演讲中犯了什么滔天大罪。Google（以及苹果）实际上做了很多临床研究，并努力在博客中传达这些努力。但是，就像传话游戏一样，在当今短视频泛滥、注意力缩短和媒体素养下降的时代，很多东西都会丢失。我没有解决办法，只能尝试尽量在任何可能的地方补充更多背景信息，并希望它能够接触到合适的受众。 这就是为什么今天科学洗白如此普遍。几个流行词或豪言壮语就赋予了高科技合法性，掩盖了细微差别。在硅谷，你可以在那些参加肽类派对或追随 Bryan Johnson 那种以长寿为导向的生物黑客技术的科技兄弟身上看到这一点。从“AI 可以解决所有疾病”到“追踪你的生物指标，用这些补品优化，然后战胜死亡”，这并不是一个巨大的跳跃。 也许 AI **终有一天** 会帮助解决所有疾病。但如果是这样，这条路不会清晰明了或简单。未来 20 年可能会发生很多事情，尤其是在政治、社会和文化环境方面，这些也将 **影响** 临床研究能力——所以请原谅我，目前，我不像 Hassabis 那样乐观。 **关注本文的故事主题和作者**，以便在个性化首页信息流中看到更多类似内容，并接收邮件更新。 - Victoria Song