将技术应用于理解与治疗疾病（1 分钟阅读）

# 将技术应用于疾病的理解与治疗 来源：https://blog.google/innovation-and-ai/technology/health/ai-health-research/ 通过与科学家和研究合作伙伴的协作，Google 正在帮助让疾病更易于检测、治疗和预防，以改善人们的健康状况为目标。 --- --- 一名医务工作者坐在办公桌前，在双屏电脑显示器上查看乳腺X线扫描图像和医学示意图。 您的浏览器不支持音频元素。 收听文章 \[\[duration\]\] 分钟 本内容由 Google AI 生成。生成式 AI 仍处于实验阶段。 Google 的健康研究和工具涵盖从基础细胞发现到实验室分析和患者影响的各个层面。在过去五年中，Google 团队发表了 90 篇关于理解和应对疾病的同行评审研究论文，累计被引用超过 90,000 次。在我们关于技术如何加速科学进步以改善生活的愿景(https://blog.google/innovation-and-ai/technology/ai/ai-applications-science-people/)的基础上，我们正与临床医生、学术机构和研究人员合作，确保研究成果走出实验室，惠及患者。以下是我们推动医学研究和公共卫生解决方案进步的努力。 ## 解码疾病的作用机制 AlphaGenome Atlas 是最全面的预测目录，揭示了人类基因组中单个字母变化如何影响分子生物学。 照片展示了一个培养皿的特写镜头。 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至关重要。我们早期阶段的生物学模型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。 - **加速药物发现：**巴塞罗那全球健康研究所的研究人员利用AlphaFold (https://deepmind.google/science/alphafold/)对 30,000 种化合物进行了虚拟筛选，以寻找针对查加斯病的抗寄生虫活性。查加斯病是一种被忽视的热带疾病，影响约 800 万人，如不及时治疗可能导致危及生命的并发症。这项研究帮助该研究所确定了两种已获 FDA 批准的药物可以重新用于治疗查加斯病，从而加速了治疗进程。 - **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是一项挑战，因为大量无影响的突变会产生"背景噪音"。埃克塞特大学的研究人员利用AlphaGenome Atlas (https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/)搜索了超过 54,000 人的基因组数据，精准定位了驱动人体内关键蛋白质丰度变化的特定变异，包括 PLA2G7（与衰老相关）和 EGLN1（一种重要的细胞氧传感器）。 - **以纳米尺度重建大脑：**与哈佛大学 Lichtman 实验室合作，我们在纳米尺度分辨率下重建了一段人脑组织 (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)公开提供数据。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。 ## 加速医学解决方案的工具开发 由 AlphaFold 辅助开发的蛋白质可视化图谱。 一名男子正在观看电脑屏幕上显示的三维分子结构，深色背景下呈现红色和绿色的原子与化学键。 实验室是生物发现得到验证、工程化并转化为潜在医学和公共卫生解决方案的场所。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、反复迭代的过程。 - **以超快速基因组测序支持遗传诊断：**与斯坦福大学医学院合作，我们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-tech-nology/)来帮助在时间紧迫的病例中确定遗传疾病的病因。该项目通过在不到八小时内完成全基因组测序的遗传诊断，协助实现了挽救生命的干预 (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的认可 (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)，这是一个从第一性原理出发创建自然界中不存在的新型酶的机器学习流水线。在实验室测试中，它成功设计了用于合成关键药物基团的定制酶，以及在极端条件下降解有毒环境塑料的酶——展示了设计功能性蛋白质的能力，这些蛋白质可以超越目前已知的自然界的范围。 - **支持主动式公共卫生举措：**社区的健康状况与地理环境密切相连(https://blog.google/innovation-and-ai/technology/health/google-earth-ai-global-public-health/)。我们将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，帮助公共卫生领导者(https://blog.google/innovation-and-ai/technology/health/google-earth-ai/)预测疾病暴发，并向脆弱社区提供医疗服务。在WHO 非洲区域办事处(https://afro.who.int/)和刚果民主共和国国家生物医学研究所(https://www.inrb.net/)的新研究中，对话式地理空间模型取代了数周的手动编码工作，帮助更早识别埃博拉病毒的暴露和传播风险——使当地应急人员能够主动部署移动实验室。 ## 以机器学习模型支持医疗服务提供者 新型乳腺X线筛查系统有助于发现以往遗漏的间期癌症，并减轻专科医生的阅片工作量。 一名留着深色短发、穿着浅色外套的医务工作者正在查看电脑屏幕上显示的乳腺X线扫描图像。 医学突破只有在能帮助到真实的人时才有意义。我们的研究表明，机器学习模型有助于支持疾病检测，同时减轻行政工作负担，让医疗服务提供者能够专注于护理工作。 - **标记以往遗漏的癌症特征：**在与伦敦帝国理工学院和英国国家医疗服务体系（NHS）合作、发表于*Nature Cancer*的一系列研究(https://www.nature.com/articles/s43018-026-01128-z)(https://www.nature.com/articles/s43018-026-01127-0)中，我们对 125,000 名女性进行了乳腺X线筛查系统评估。该系统发现了(https://blog.google/innovation-and-ai/technology/health/google-ai-breast-cancer-detection/)25%以往遗漏的间期癌症，同时表明有可能将专科医生的阅片工作量减少最多 40%——这可以为面临放射科医生严重短缺的医疗系统提供关键的支持。 - **发现隐藏的儿童白血病突变：**当堪萨城儿童 mercy 医院将其应用于此前已测序的真实世界儿童白血病病例时，DeepSomatic (https://blog.google/innovation-and-ai/technology/research/deepsomatic-an-open-source-ai-model-is-speeding-up-genetic-analysis-for-cancer-research/)确认了所有已知变异，同时检测到 10 个此前被遗漏的突变——尽管是在仅有肿瘤样本的困难条件下完成的。DeepSomatic 已公开可用，有望为有关患者风险和靶向治疗的临床判断提供参考。 - **预测全球流感高峰：**Google 流感预测模型(https://blog.google/innovation-and-ai/models-and-research/google-research/google-science-ai-flu-forecasts/)在 2025–2026 年度被美国疾病控制与预防中心（CDC）评为预测流感相关住院人数的第一名。该模型使用我们的Empirical Research Assistance (https://research.google/blog/four-ways-google-research-scientists-have-been-using-empirical-research-assistance/)工具开发，超越了其他 38 个系统，精准匹配了实际观察到的住院人数，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，并更好地为季节性疫情暴发做准备。 ## 让每个人都享有更好的健康 实现健康变革需要科学家、研究人员和机构的通力合作。正因如此，我们为科学界提供先进的模型和开放获取平台，推动突破性研究——同时提供他们将研究付诸实践所需的慈善资助和计算资源。 通过 Google.org，我们正在支持诸如马凯雷雷大学传染病研究所 (https://blog.google/company-news/outreach-and-initiatives/google-org/announcing-ai-for-science-awardees/)等组织，利用 AlphaFold 和 AlphaMissense 预测疟疾药物耐药性突变；以及宾夕法尼亚大学，利用 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。2026 年，Google.org 已向全球范围内利用先进模型变革我们理解和治疗疾病方式的组织提供了超过 6,000 万美元的资助。 通过在疾病的各个阶段进行干预，我们可以将最棘手的人类健康挑战转化为可执行的解决方案，帮助世界各地的人们过上更长寿、更健康的生活。 ## 获取 Google 最新资讯 订阅我们的新闻通讯，获取产品更新、活动信息、特别优惠等更多内容。 您的信息将依据Google 隐私政策 (https://policies.google.com/privacy)进行使用。您可以随时取消订阅。 ## 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，全球一流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、可持续性、教育和文化行为智能等领域的社会影响力 AI 方面开展突破性研究。Yossi 还领导着推进生成式 AI 基础研究的团队，涵盖事实性和效率等领域，推动实际应用并塑造技术的未来。 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