Noetik 这条新闻，核心不在“AI要治愈癌症”，而在另一句更朴素的话：癌症临床试验里那 95% 的失败，可能有一部分不是药物本身失败，而是病人筛错了。公司用大量真实人类肿瘤数据训练 Transformer，试图从常规病理切片里推断更丰富的肿瘤空间信息，帮药企重新判断谁该进组、谁可能响应治疗。GSK 已经为此签下一笔 5000 万美元的合作和后续授权协议。

这件事重要，因为它碰的是肿瘤研发最贵、最慢、也最少被公众看到的一段：从实验室走到临床。药厂每年在癌症研发上烧掉 200 亿到 300 亿美元，最后大多数候选疗法死在试验里。Noetik 想做的，不是直接发明一颗新药，而是把“失败”重新拆开看：到底是药真不行，还是队列选错了。

GSK买的不是神药，是一套“别再瞎试”的工具

Noetik 的模型 TARIO-2，瞄准的是肿瘤空间转录组这个昂贵、信息量极高、但现实中几乎没有患者会常规做的检测。它的说法很直接：把每位患者本来就有的 H&E 病理切片，尽量还原成接近 1.9 万基因的空间表达地图。

翻成人话，这是一种“低配输入，猜高配生物学”的路线。药企如果真能用它更早识别哪些患者更可能受益，临床设计就会变。入组标准会变，终点命中率会变，原本被判死刑的项目也可能被翻案。

这也是这笔交易最有意思的地方。过去几年，生物科技里的 AI 公司动不动就说自己做“药物发现”，最后往往自己下场变药厂，既烧钱又漫长。Noetik 这次更像卖软件、卖模型许可、卖平台能力。对 GSK 这种大药厂来说，这比再听一个“AI 找到新靶点”的故事务实得多。

说白了，药企现在开始愿意为“提高试验命中率”付钱了。天下熙熙，皆为利来。讲理想没用，能不能少烧几亿美元、少做几次失败三期，这才是采购理由。

真正的价值，不在模型多大，在它敢不用小鼠故事糊弄人

我比较认同 Noetik 的一点，是它强调真实人类肿瘤样本，而不是继续围着小鼠模型和永生化细胞系打转。肿瘤研究里有个老问题：实验室里效果惊艳，进人体就失灵。原因不复杂，模型太干净，人体太脏。微环境、免疫反应、空间异质性，一上临床全变脸。

所以它收集多模态数据——空间转录组、空间蛋白组、H&E、全外显子组——至少方向是对的。肿瘤从来不是一个“单病种”，更像上千种局部生物学灾难的合集。托尔斯泰那句“幸福的家庭都相似，不幸的家庭各有各的不幸”，拿来套癌细胞，居然也不算离题。

但我不太买账的是，行业很容易把这类公司吹成“AI让失败药复活”。没那么轻松。病人分层再精细，也不能把无效药硬洗白。模型能提高命中率，不代表能替代随机对照试验；能生成漂亮的生物学解释，不代表监管会照单全收。尤其在肿瘤领域，回顾性分析常常很动人，前瞻性验证才是真刀真枪。

谁最该盯这事：药企临床团队，以及被错配耽误的患者

这条新闻最直接影响的，不是普通消费者，而是两类人。

一类是大药厂和 Biotech 的临床开发团队。对他们来说，如果 Noetik 这类工具真能把队列筛选做准，动作会很具体：试验方案会改、伴随诊断预算会增、一些“安全但疗效不显著”的老项目可能被重新评估。过去被扔进抽屉的资产，未必能翻身，但至少有机会再见一次天日。

另一类是晚期癌症患者。很多人面对的现实不是“有没有药”，而是“能不能进到真正适合自己的试验”。如果分层工具更靠谱，少一些无效入组，少一些无谓副作用，那不是技术秀，是实打实的时间。

接下来该看什么？不是融资，不是播客口碑，也不是模型参数。要看三件事：

  • 它能不能在前瞻性临床试验里稳定提升入组质量
  • 监管和药企是否接受模型驱动的生物标志物策略
  • GSK 之后，会不会有第二家大药厂愿意按软件平台方式长期采购

历史上，医药行业对“工具公司”一向挑剔。很多平台喊得震天响，最后还是得靠一两款药证明自己。不完全一样，但像极了早年基因组学公司的命运：故事都很宏大，真正留下来的，是那些能嵌进研发流程、而不是只会做 PPT 的人。

我更愿意把 Noetik 看成一次对行业懒惰的挑战。癌症研发不是总缺新分子，有时只是太习惯用粗糙分类去处理极端复杂的人体差异。把“所有患者差不多”当默认前提，本身就是成本最低的管理习惯。问题不在 AI 会不会治癌，问题在旧流程肯不肯承认自己分人分错了太久。