Genentech研发负责人Aviv Regev：预测肿瘤突变，AI制药开启「一人一药」时代 | ICML 2026

事件概述

在ICML 2026大会上，Genentech执行副总裁兼研发负责人Aviv Regev发表主旨演讲《Lab in the Loop for drug R&D》，系统阐述了如何将AI深度嵌入药物研发全流程，并首次公开多项AI赋能的真实临床试验数据。Regev直面“AI为何造不出真正上市新药”的质疑，指出根本原因在于生物学极其复杂，必须同时答对靶点、分子、剂量与患者四道关口。

核心信息

药物研发的四大难点与AI的对应机会

• 数字巨大：人体约有37万亿个细胞，10万个疾病相关基因位点，10^60种可能的药物小分子。AI擅长在巨大但有结构的搜索空间中高效探索。
• 多尺度：从细胞类型、基因调控到蛋白质，存在多层非线性映射。AI擅长处理跨尺度转换。
• 多模态：同一生物学层级有多种测量视角，但无法同时全面捕获。AI能融合多源异构数据。
• 高度异质：每个案例有其独特性，难以自动化。智能体AI（Agentic AI）在此方面展现潜力。

Lab in the Loop：从组织学图像重建分子图谱

• 训练了名为SHAFT的模型，能够从已有150年历史的普通组织学染色图像中，生成组织的单细胞或空间表达数据集。
• 可基于配对或非配对样本训练，推理时输入新患者的组织学图像即可输出丰富的分子数据。
• 在转移性乳腺癌和小细胞肺癌数据上，生成的图谱与真实测量高度匹配。

Clinic in the Loop：用历史临床数据喂养AI，反哺试验设计

• 利用罗氏和Genentech自身临床试验数据及真实世界数据，训练疾病进展模型。
• 以眼科地图状萎缩为例：基于2000多名患者的3D OCT成像数据，训练AI预测病灶生长。
• 回顾性分析显示，若在lampalizumab二期临床中引入AI矫正患者基线差异，可提前避免该分子在三期的失败（耗资5亿美元、等待多年）。AI模型辅助的基线矫正将统计效力提升约两倍。
• 该模型已在前瞻性试验中使用。

个性化癌症疫苗：AI驱动的“一人一药”

• 对患者肿瘤进行DNA测序，使用AI模型预测哪些突变最可能触发免疫系统，据此定制个性化疫苗（INEST，与BioNTech合作）。
• 胰腺癌一期试验显示，接种疫苗后显示免疫应答的患者，无复发生存期显著长于未显示T细胞应答者。该疫苗已进入随机二期试验。

值得关注的观点

• 蛋白质层面是缺失的关键环节：Regev指出，蛋白质的表达水平、定位、翻译后修饰是实验生物学中真正缺失的一环，导致从因果推断走向机制理解困难重重。
• 必须预见到模型的持续更新：实验世界中大量盲区未被触及，模型需要与物理世界持续交互，正确处理好长尾分布至关重要。
• 实验室、数据、临床和算法缺一不可：只有当这些要素汇聚，才有潜力攻克疾病这样的庞然大物。

Q&A精要

• 关于统一基础模型和“虚拟细胞”：Regev表示，务实与长远愿景需同时推进。蛋白质层面是当前最大模态空白。
• 关于实验验证与预测的差距：她认为蛋白质层面（表达、定位、修饰）是组合爆炸级的缺失，影响所有后续环节。