王晟谈AI与生命科学:多模态模型如何理解疾病、重塑药物研发

资讯 腾讯网 作者:DeepTech深科技 全文 4469 字 · 约 12 分钟读完 分类微软合作医疗 AI生物科技

一个患者的病理切片、CT、基因组和蛋白质组数据,能不能被 AI 放在一起分析?如果模型不仅能识别疾病,还能理解一个人的生物学状态,甚至预测疾病接下来会如何发展,医学研究会发生什么变化?这是华盛顿大学助理教授王晟近年来一直在探索的问题。从基因功能预测、单细胞分析,到数字病理和多模态医学基础模型,他的研究方向几经变化,但始

所属频道 大厂动态行业落地合作与生态

一个患者的病理切片、CT、基因组和蛋白质组数据,能否被 AI 合在一起分析?假如模型不光能识别疾病,还能读懂一个人的生物学状态,甚至预判疾病下一步怎么走,医学研究会迎来什么变化?

这是华盛顿大学助理教授王晟近年来反复追问的问题。研究方向从多模态医学基础模型出发几经调整,但目标没变:让 AI 从日益复杂的生物医学数据里,摸清生命系统的运行规律。

过去几年,他和微软研究院等机构合作开发了多款生物医学 AI 模型。从能够分析大规模

不过,在王晟看来,模型变强只是事情的一半。AI 能处理的数据越来越复杂,研究人员碰到的难题也跟着变了:不同尺度的生物医学数据之间怎么搭上关系?模型要是缺了某项关键信息,能不能倒过来设计实验、改进仪器,把自己需要的数据拿到手?

这个问题正变得越来越现实。2026 年,OpenAI、Anthropic 等人工智能公司接连加码生命科学。它们不满足于让模型读论文、分析数据、提出假设,而是开始和药企合作、建实验室,试着把 AI 带进真实的药物研发流程。

近日,DeepTech 和王晟聊了聊。话题从他这些年研究方向的变化说起,谈到多模态模型如何整合不同类型的数据、患者世界模型离落地还有多远,以及 AI 公司纷纷进入生命科学领域后,科研和药物研发可能发生的变化。

在他看来,生物医学或许会成为 AI 下一阶段最重要的突破方向之一。但真要走到那一步,AI 要跨过的门槛不只是模型性能,还有数据、实验和科学验证。

从

王晟的研究方向并非一开始就锁定在医学影像上。

早期,他主要研究

王晟表示,自己所在团队做交叉学科研究,主要想法是把 AI 领域的新技术,跟生物医学领域冒出来的新问题、新发现放在一起,从中找出有研究价值的交叉方向。

这些方向里,医学影像尤其是病理图像,成了团队重点探索的领域。一张

团队开发的

图 | GigaPath 在视觉语言任务中的应用(来源:Nature)

其实,病理图像只是医学影像中的一类。医生手头的医学影像还有 CT、

为此,团队又开发了

这项研究还想解决另一个问题:不同类型的医学影像之间怎么建立联系。现实中,很难找到一位患者把所有类型的影像都做全。比如有人做了眼底检查,有人做了心脏 CT,这两份影像数据没法直接配对。王晟团队的做法是拿医生写的文字报告当共同桥梁,把不同类型的影像串起来。眼底图像也好,心脏 CT 也罢,医生一般都会留下文字描述,模型就能借助图像与文字之间的对应关系,学到不同影像的特征。

这种做法还有个实际好处:降低医生使用 AI 的门槛。他认为,模型不光要预测得准,还得容易上手,“只有医生愿意使用,才能产生更多反馈”。医生用起来之后产生的数据和反馈,能反过来帮研究人员改进模型,持续迭代的数据闭环才有机会形成。

从单一病理影像扩展到多种医学影像,也让王晟开始琢磨一个更大的问题:模型能整合的数据模态越来越多,它的整体能力会不会跟着涨?这正是他提出多模态 Scaling Law 的出发点。

以一名复杂癌症患者为例,医生可能需要把病理切片、CT、DNA 基因组检测放在一起看,有时还要参考蛋白质组、代谢组等信息。不同的检测反映疾病的不同侧面。AI 若能同时读懂这些信息,就有机会对患者做出更全面的判断。

目前,团队已经在医学影像方面整合了九种模态,在生物学方面则围绕

事实上,团队参与开发的

图丨 GigaTIME 实现群体规模肿瘤免疫微环境分析(来源:Cell)

但要把这两类数据真正整合起来,并不容易。医学影像呈现的是人体器官和组织的状态,肉眼或显微镜下就能观察;基因组学数据涉及的是分子和细胞层面的信息。两者处在完全不同的尺度,加上缺少足够的配对数据,很难直接建立联系。

王晟提到,团队目前还在摸索 AI 之外的生物科学手段,想借助新的数据采集方式,让不同尺度的生物学信息跟医学影像对上号。这个问题一旦解决,不同尺度生物医学数据的统一整合就有望再往前走一步。

从通用模型到患者世界模型,AI 如何理解疾病?

多模态模型想让AI读懂更多类型的生物医学信息。可一旦走到临床,另一个问题就冒出来了:面对具体疾病的诊疗场景,它给出的辅助信息够不够准、够不够可靠?

团队一开始想做的,是覆盖多种癌症的通用病理模型,让AI从不同组织切片里认出疾病特征,完成多种预测任务。真做下去才发现,通用模型能应付多种癌症,放到某一种疾病上却未必最好。王晟的原话是:“它各种癌症都能做,但其实说哪一种特别突出,反而就没有那么突出了。”

于是团队把肺癌选作切入口,搜集大量相关数据,对原模型再做训练和微调。针对性优化之后,模型在肺癌场景里的表现上去了。可另一面也跟着来:模型越适应肺癌数据,在乳腺癌等其他癌症上的表现就可能往下掉。

分阶段推进的思路就这样慢慢成型。论文研究阶段,优先做覆盖多种疾病的通用模型;到了临床应用阶段,再结合具体医院的数据特点和实际需求,把模型调成针对特定疾病的专用模型。

王晟介绍,团队开发的肺癌模型不仅在合作医院开展了应用研究,纽约

模型进了医院,不等于就能参与日常诊疗。眼下这类模型主要还是医生的辅助工具,用在病理分析、复杂病例研究和科研上。怎么在保证患者数据安全、满足医疗监管要求的前提下,让模型一步步走进实际诊疗流程,还得继续摸索。

从通用模型到特定疾病的专用模型,王晟团队解决的是让AI更好地理解和识别当前疾病状态。他更想往前推一步:让AI预测疾病接下来怎么走。这正是他构想中的患者世界模型要干的事。

思路借自机器人领域的世界模型。机器人要预判执行不同操作后,周围环境和自身状态会怎么变;放到患者身上,模型要预判的是一个人用了不同药物或治疗方案后,未来的身体状态和疾病进程会怎么变。

王晟说:“当我知道病人在这一刻的状态,我可以预测他在未来使用不同药物之后,状态会怎么变化。这就是我们对世界模型的定义。”

传统

技术路径上,团队想把患者每次就诊产生的诊断记录、医学影像和检查结果看成一段连续序列,用前几次就诊的数据去预测下一次就诊时可能出现的状态。

最大的拦路虎还是数据。就诊记录、检查结果、治疗信息都涉及隐私,医院之间、研究机构之间很难直接共享。罕见病更麻烦,单家医院能攒到的病例尤其少。

王晟表示,拿罕见病来说,某个地区也许只出现一两例,可一旦把全球数据汇聚到一起,就能凑出上百例乃至上千例;全世界的数据若能全部打通,道理也是如此。

所以他判断,患者世界模型要突破,算法只是一半,另一半看能不能建起更好的跨机构数据共享机制。患者数据足够多、时间跨度足够长,模型才可能从识别当前疾病,走到理解不同治疗方案对患者未来发展的影响。

当AI开始参与科研,谁将成为下一个药物研发者?

过去一年,

AI能不能真正当上科学研究的参与者,先得回答一个问题:它提出的科学假设,到底怎么证明是对的?

数学和编程领域好验证:证明可以拿定理检查,代码可以跑测试。生物医学研究不一样。模型提出一个新的药物分子或生物学机制,不代表它真有效,最后还得靠细胞实验、动物实验去验证,有些研究要数年才出结果。

怎么把这种实验验证变成一套能衡量AI科学发现能力的评测标准?这也是王晟正在琢磨的事。

在他看来,目前不少生物医学AI评测还停在数据分析层面,离真正的科学发现差着一截。模型能从已有数据库里找出规律,不等于它发现了此前未知的科学知识。为此,他正在探索建立一种新的评测基准(

可要是每个AI提出的假设都得等数月甚至数年的实验,评测的成本和周期就高得吓人。王晟认为,评测问题本身也得筛,现阶段不宜一上来就让AI去啃最复杂的疾病。

在他看来,癌症、

他把这个过程比作AI在数学领域的发展:模型也是先靠大量基础题和竞赛题练手,能力一点点攒起来,后来才去解更复杂的数学难题。

AI逐渐具备提出科学假设、分析实验结果的能力之后,改变的或许不只是科研效率,还有药物研发本身的组织方式。

2026年10月,Anthropic收购生物技术公司

在王晟看来,这展示了一种新的研发模式。“未来的生物医学研发可能不需要很多AI研究人员,只需要少数人管理大量

要是少数研究人员靠 AI 就能把药物研发项目张罗起来,这套本事能不能也向专业科研机构以外的人敞开?王晟想得更远:将来患者自己,也可能当上药物研发的组织者。他的理由是,“最想把罕见病治好的,并不一定是药厂,而是患者本人或者他的家属。”

他描绘的路径是搭一个平台:罕见病患者借 AI 学生物医学知识、提出研究问题,再通过平台调用 AI 工具,把细胞实验、动物实验等活委托给专业机构去做。这样一来,患者本人也能把研究项目组织起来,不必把“哪种病值得投研发”的决定权完全交在大药企手里。

不过,经费、专业能力、实验资源这些现实门槛依然横在面前。AI 能帮患者弄懂研究问题、把研发流程组织起来,但实验怎么设计、结果怎么验证、后续临床试验怎么走,还是得有专业人员加入,伦理和监管要求也一条都不能少。

在王晟看来,AI 的作用之一就是压低参与科研所需的知识门槛和组织门槛。以往,药物研发基本握在大型药企和专业研究机构手上;往后,随着 AI 工具与外部实验资源逐步开放,参与研究过程的人里可能会出现更多患者。

参考链接:

1.Xu, H., Usuyama, N., Bagga, J. et al. A whole-slide foundation model for digital pathology from real-world data. Nature 630, 181–188 (2024). https://doi.org/10.1038/s41586-024-07441-w

2.https://microsoft.github.io/BiomedParse/

3.Xu, Hanwen, et al. “Multimodal AI Generates Virtual Population for Tumor Microenvironment Modeling.” Cell, vol. 189, no. 2, 22 Jan. 2026, pp. 386-400.e19, https://doi.org/10.1016/j.cell.2025.11.016.

运营/排版:何晨龙

注:封面/首图由 AI 辅助生成

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 雀巢联手微软、波士顿动力:AI落地工厂与咖啡机

    瑞士食品饮料公司雀巢宣布与微软、波士顿动力等科技企业达成合作,计划扩大人工智能在工厂运营及消费产品中的应用,以提高生产效率、更好地掌握消费者需求变化,并推动业务增长。雀巢首席技术官Stefan Palzer表示,公司将在瑞士奥尔布(Orbe)新设立的深度科技中心开展技术研发。微软及波士顿动力将提供硬件设备和AI技术,帮

    来源 AI 行业观察
  2. 谷歌论文曝RSI内部落地:SIM机制让AI经验跨模型遗传

    新智元报道 谷歌内部,或许真正实现了RSI!从此,Gemini已能「继承经验」持续自我进化,Gemini新模型不再从零开始!或许也正是这个原因,谷歌最近跟疯了似的不停发模型。Gemini 4 Hydrogen才发布不到一周,更强的Gemini 4 Neon就来了。答案,或许藏在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇

    来源 腾讯网
  3. 从英伟达到苹果、微软:同样拥抱AI,为什么企业的财富命运截然不同?

    AI正在改变企业创造财富的方式。检索、计算、起草、核对等标准化工作,越来越多地由工具完成。技术能力的普及并不意味着企业之间的差距会消失。相反,当算力和信息更容易获得,领导者如何提出问题、配置资源、处理冲突以及确定长期目标,开始更直接地影响企业能否把技术转化为持续价值。德鲁克曾把管理与领导分开:管理是把...

    来源 腾讯网
  4. APEC媒体参访线路实探:从深圳的产业现场,看数字经济的亚太合作机遇

    每经记者:甄素静 王晶 每经编辑:魏文艺午后的深圳市南山区,鸿蒙生态创新中心体验馆内人头攒动。馆内共展出15大类近500款鸿蒙终端,覆盖工业生产、家庭生活、金融服务、医疗健康等多元场景,中外记者沿着各场景展台一路走一路拍,最直观的体验是设备之间不再各说各话。11月18日至19日,亚太经合组织(APEC)第三十三次领..

    来源 腾讯网
  5. 纳德拉谈AI购物代理:零售商屏蔽将丢份额

    11 月 18 日, 微软 首席执行官萨蒂亚·纳德拉在《纽约时报》 DealBook峰会 上发出警告,称随着软件助手逐步承担商品浏览与自动下单任务,拒绝 人工智能 购物代理的零售商将面临客户流失风险,市场份额可能被更开放的竞争对手抢占。 纳德拉在发言中直接提及 亚马逊 目前禁止第三方AI代理扫描其平

    来源 AI 开发者社区
  6. OpenAI发布MedChemBench:AI药物化学推理测评,99题覆盖761个分子

    IT之家 11 月 21 日消息,当地时间 11 月 20 日,OpenAI 发布 MedChemBench 基准,用于评估 AI 模型在药物化学研究中的推理能力,包括识别分子结构、解读实验结果、比较化合物及预测其性质等。OpenAI 表示,模型在重建分子结构和解释实验依据方面表现较强,但在化合物筛选和数值性质预测方面

    来源 AI 行业观察
  7. 纳德拉谈微软6万人自愿离职:AI改写开发方式,岗位结构还会变

    11 月 16 日,微软 CEO 纳德拉做客《The Pragmatic Engineer》播客,被问及约 6 万人的自愿离职计划是否意味着借 AI 提效后再裁员。他不置可否,只坦承 AI 正在改写软件开发,工作模式与团队结构都会随之变化:“一切都会保持原样?我做不到。” 不想把人困在没转型的团队里

    来源 AI 开发者社区
  8. 纳德拉:零售商屏蔽AI购物代理,份额或流向Shopify

    11月18日,微软CEO纳德拉在《纽约时报》DealBook峰会警告,随着软件助手承担商品浏览与自动下单,拒绝AI购物代理的零售商将面临客户流失,市场份额或被更开放对手抢占。他点名亚马逊禁止第三方AI代理扫描平台并代下单,而Shopify等竞争平台只需向数字助手开放结账权限,即可抢占先机。

    来源 AI 产业速递
  9. Anthropic数学家阿尔波格称与Claude合作完成黎曼猜想证明

    IT之家 11 月 20 日消息,据《科学美国人》报道,当地时间 20 日,Anthropic 数学家莱文特 · 阿尔波格宣称,自己与 AI 模型 Claude 合作,攻克了数学界最著名的难题之一 —— 黎曼猜想。阿尔波格在个人网站发表声明称:“我相信,我与 Claude 合作找到了黎曼猜想的证明。”IT之家注:黎曼猜

    来源 腾讯网
  10. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  11. 微软公布 USB4 多 Win11 电脑协同 AI 方案,搭积木式叠加内存 / 显卡算力跑本地模型

    IT之家 11 月 20 日消息,微软昨日(11 月 19 日)发布博文,宣布以开发者预览方式,推出基于 USB4 的远程直接内存访问(RDMA)体验,实现多台 Windows 11 电脑合力跑 AI 模型体验。 IT之家注:RDMA 是让一台电脑能够高效地向另一台电脑中获授权的内存区域读写数据,减少操作系统和 CPU

    来源 AI 行业观察
  12. Claude称证出黎曼猜想,陶哲轩等数学家回应

    智东西11月21日报道,昨夜,Anthropic数学家莱文特·阿尔珀格(Levent Alpöge)在个人网站上发布声明,宣称自己与Claude合作,找到了黎曼猜想及其更强版本——广义黎曼猜想(GRH)的证…

    来源 搜狐科技
  13. AI学习机“精准学”标准发布:知识点预测准确率须超90%

    《AI学习机精准学系统技术要求》团体标准近日发布,要求知识点掌握度预测准确率达90%以上、知识图谱考点覆盖率达95%以上、弱项识别精确率达85%以上,学习诊断响应不超过2秒。北京猿力科技有限公司(小猿学习机)为牵头起草单位,标准还涉及未成年人个人信息保护与防沉迷要求。

    来源 凤凰科技
  14. 拉加德:欧洲AI算力占比要提到15%,2030年前需投1.3万亿欧元

    据报道,欧洲央行行长拉加德表示,欧洲若要将其全球AI算力占比从目前约5%提升至2030年的15%,预计需要投资约1.3万亿欧元。拉加德指出,欧洲在关键原材料和技术领域的外部依赖正构成经济主权挑战,应通过欧洲层面的公私合作、公共资金先行承担风险等方式,吸引私人资本投入芯片工厂和数据中心建设。(界面)

    来源 AI 行业观察
  15. Anthropic数学家联手Claude:黎曼猜想证明成了?

    IT之家 11 月 20 日消息,据《科学美国人》报道,当地时间 20 日,Anthropic 数学家莱文特 · 阿尔波格宣称,自己与 AI 模型 Claude 合作,攻克了数学界最著名的难题之一 —— 黎曼猜想。 阿尔波格在个人网站发表声明称:“我相信,我与 Claude 合作找到了黎曼猜想的证明。” IT之家注:黎

    来源 AI 行业观察
  16. 苹果押注自主式AI Agent:Siri要从动嘴变动手

    Siri 可能终于要从「动嘴」进化到「动手」了。让 Siri 查天气、设置闹钟、打开应用,早已不是什么新鲜事。但如果你现在让它安排一次出差,查好机票和酒店,再根据日历整理行程,恐怕还是得自己动手。苹果最近的一系列动作,透露了它想改变这种状况的野心。11 月中旬,苹果官网出现了两则与自主式 AI Agent 有关的招聘信

    来源 腾讯网
  17. 大语言模型开处方:单次就诊平均花费314美元,是人类医生三倍

    大语言模型(LLM)提供的临床诊疗方案,其费用是人类医生方案的三倍。一个研究小组让24个AI根据200个就诊记录提出诊断和治疗方案,这些就诊记录涉及不同的健康问题。随后,他们将AI模型提出的方案与医生实际提供的诊疗进行了比较。AI比医生开了更多的检查单、更多专科转诊和更多药物。按照AI的方案,患者每次就诊的平均费用..

    来源 腾讯网
  18. 谷歌SIM机制曝光:Gemini可继承Claude经验,新模型不再从零开始

    谷歌内部,或许真正实现了RSI! 从此,Gemini已能「继承经验」持续自我进化,Gemini新模型不再从零开始! 或许也正是这个原因,谷歌最近跟疯了似的不停发模型。 Gemini 4 Hydrogen才发布不到一周,更强的Gemini 4 Neon就来了。 答案,或许藏在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇最新

    来源 AI 行业观察
向下滚动自动加载更多