Moderna總裁：AI製藥的想像空間在於「一人一藥」

在 10 月 20 日上线的黑石播客《Inside Blackstone》中，主持人问起 Moderna 总裁斯蒂芬·霍格（Stephen Hoge），AI 能否在未来三五年带来改变治疗的新突破时，霍格这样回答，他相信 AI 能够加快药物发现，但也提醒，即使把这个过程缩短到几个月，甚至几周，研究者仍然需要在人身上观察疗效，才能判断一种药物是否有效、效果能持续多久。

新冠疫苗的速度是怎样积累出来的？

霍格的判断来源于他自身的经历。他在 2012 年加入 Moderna 时，公司还只有约二十个人。在此之前，他做过急诊科医生，又在麦肯锡从事了七年咨询工作。让他决定加入这家初创公司的是 mRNA 作为药物的可能性：mRNA 在人体内承担着传递蛋白质制造指令的工作；如果能够把经过设计的 mRNA 送入细胞，就有机会让细胞生产预防或治疗疾病所需的蛋白。沿着这个思路，研究者可以尝试更换指令，开发针对其他疾病的药物。

主持人问他，当年为什么如此确信 mRNA 会成功，霍格回答，自己其实并不确定。真正吸引他的是，这条路一旦走通，技术就有希望被反复使用，支持更多药物的研发。他转述了 CEO 斯特凡·班塞尔（Stéphane Bancel）早年的一个判断：Moderna 可能一款药也做不出来，也可能做出上百款。正是这种前景，让他们愿意先投入时间验证一项共同的技术，再尝试将它用于不同疾病。

要验证这个设想，团队首先得学会稳定地制造 mRNA，把它送入合适的细胞，并验证这一过程的安全性与可重复性。设计本身也有许多选择：同一种蛋白可以由不同的 mRNA 序列编码，哪条序列更可能产生合适的表达效果……为此，Moderna 一边开展实验，一边改进设计系统。新冠疫情前，公司已经在人身上研究过九款候选疫苗，这些经验帮助团队和算法逐步学会怎样为一个给定的蛋白选择合适的 mRNA。

（来源：Boston University）

因此，2020 年拿到新冠病毒序列时，团队已经有了一套经过此前研究不断改进的工具。他们确定要让人体制造病毒的刺突蛋白，随后由算法选择相应的 mRNA 设计，这就是后来的 mRNA-1273。他谈起这段经历时，把很大一部分原因归于疫情前的积累：快速作出一次设计选择，需要此前反复实验形成的判断，也需要能够把设计制造出来的技术。

为什么更看好个体化医疗？

在霍格看来，mRNA 序列设计、蛋白设计，以及临床试验的设计和招募，都已经受益于 AI；一些过去需要整个团队处理的工作，如今可以由更少的人在更短时间内完成。在此基础上，他期待 AI 进一步参与药物发现：研究者确定要做哪种药之后，AI 能够帮助完成设计；未来，它或许还能根据所掌握的信息，提出值得尝试的药物和治疗思路。

而他尤其看好个体化医疗，因为这类发现需要充分考虑患者之间的差异。

霍格这样解释，人的免疫系统各不相同，要为个人寻找更合适的治疗，就需要纳入更多信息，癌症、自身免疫性疾病等都与此有关。这也是他期待 AI 发挥作用的地方，帮助研究者理解个体差异，并据此选择治疗目标。至于面向大规模人群的药物发现，人类已经有丰富的经验，AI 究竟还能增加多少效率，他认为仍有待观察。

Moderna 的个体化癌症疫苗，是他用来解释这个想法的例子。现有免疫治疗已经改善了黑色素瘤的治疗结果，但研究者仍希望进一步减少复发。霍格介绍，他们想解决的问题是，能否让免疫系统更准确地认出患者自己的癌细胞。肿瘤在生长过程中会积累突变，其中一部分可以产生健康细胞没有的新抗原，供免疫系统识别。由于不同患者的肿瘤突变组合不同，要利用这些特征，就需要根据每个人的肿瘤重新选择目标，设计药物。

（来源：Moderna）

如果拿一位患者来说，流程从手术切除的肿瘤样本开始，样本经过测序，团队分析其中的突变，挑选适合的目标，最多将 34 个新抗原的信息编入 mRNA，再为这位患者制造疫苗。临床方案最多接种九剂，从收到合格样本到药物送回医院，周转时间约为六周。

每新增一位患者，就会有一组新的信息需要分析，也有一份新的设计需要完成。算法在其中帮助团队选择目标、设计序列，后续的制造和交付则要保证这些不同的药物能及时送到患者所在的医院。

要让这套流程进入临床研究，Moderna 也经历了数年准备。霍格回顾，团队在 2015 年至 2019 年间推进相关技术，先确认能够在人体中安全开展、产生预期的免疫反应，才进一步检验，加入个体化疫苗能否比现有免疫治疗取得更好的结果。

他特别提到，科学研究中看起来突然出现的成果，常常在此前已经准备多年；癌症疫苗同样需要先解决设计、制造和交付的问题，研究者才有条件检验最初的治疗设想。随着研究扩大，生产也必须适应更多患者的需要。

主持人追问，这种一人一药的方式是否能够大规模开展，霍格解释，个体化疫苗的生产要先把单次生产规模做小，再复制设备和流程，分别制造不同患者的药物；设备部署到位后，多一位操作人员就可以再照看四台机器。为了开展涉及数千名患者的临床项目，Moderna 已经在扩展这套能力。按他的判断，公司目前的运行规模，已接近未来商业化所需的规模。

从药物设计到治疗结果还有多远？

能够为更多患者制造药物，意味着团队有条件开展更大规模的研究，但一种治疗是否有效，仍要由临床结果回答。AI 能够帮助研究者更快完成设计、准备试验和分析数据，患者接受治疗之后是否复发、获益能持续多久，则需要随时间积累证据。

这也是霍格在肯定 AI 会加快研发的同时，对新疗法何时能够出现保持审慎的原因：发现阶段节省了时间，并不意味着后续每个环节都能以同样的幅度缩短。

即使希望通过扩大试验来更快获得结果，研究者也得先找到足够的患者。霍格以皮肤癌为例：一项研究需要招募一千人，如果把目标提高到一万人，符合要求、又能在研究期间参加的患者未必有这么多。患者需要满足相应的疾病阶段和入组条件，也需要愿意参与试验，人数很难随研究者的设想立即增加。因此，当主持人问市场低估了什么，他认为是 AI 进入医疗后必须面对的现实条件：药物要制造出来，要经过临床验证，再获得监管许可，这些工作很难随着 AI 能力的增长同步加速。

这也解释了霍格为什么在谈 AI 时强调资金投入。更多想法要进入临床，需要更多研究资源和制造能力；如果生物医药研发与生产获得的投入没有相应增加，企业很快就会受制于能够同时开展多少试验、一座工厂能够制造多少药。

Moderna 的流感疫苗项目就曾面临这样的取舍。当时，公司需要开展一项大型有效性研究，检验新疫苗能否比市面上的标准剂量产品提供更好的保护，但也要同时支持癌症和基础设施等项目，资金有限，多亏了黑石生命科学旗下基金提供的帮助，才得以让这项流感疫苗研究继续推进。后来，试验成功，这款疫苗于今年获得 FDA 批准。

霍格对 AI 制药的期待，建立在 Moderna 已经走过的研发过程上：算法帮助团队完成设计，mRNA 技术让不同的设计得以制造，临床研究再回答它们能否改善治疗。个体化疫苗使这套思路具体到了每位患者，也让他看到了 AI 继续参与发现的空间。不过，要让这样的治疗服务更多人，还需要持续投入研究。

参考资料

https://www.blackstone.com/insights/article/modernas-dr-stephen-hoge-on-ai-and-the-future-of-healthcare/

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成