The Batch：958｜将实验室融入流程

原创 DeeplearningAI 2026-07-23 12:45 北京

Hi～新朋友，记得关注我们哟

一款 AI 智能体几乎自主地为已获批药物提出了新的医疗用途——这些用途后来通过对分离的人类细胞进行的实验得到了支持——而人类只负责指定要治疗的疾病，并执行 AI 提议的实验。

●最新消息：来自独立 AI 研究实验室 FutureHouse、牛津大学和福坦莫大学的 Ali Essam Ghareeb、Benjamin Chang 及其同事发布了 Robin，这是一款开源智能体，可为给定疾病提供可用于治疗的现有药物。Robin 识别出了两种药物，实验表明它们能够作用于干性年龄相关性黄斑变性（dAMD）背后的一个生物机制；dAMD 是导致视力受损的主要原因之一。尽管 Robin 依据 Apache 2.0 许可可免费用于非商业和商业用途，但它依赖于三个更早的智能体，其中两个是专有的。名为 Crow 和 Falcon 的文献检索智能体仅可用于研究，且免费使用（打包名为 Literature）。数据分析智能体 Finch 则可依据 Apache 2.0 许可使用。

●运作方式：对于给定疾病，Robin 会迭代地：(i) 识别该疾病背后的机制，(ii) 设计影响这些机制的实验，(iii) 找出现有药物来作用这些机制。然后 (iv) 由人类在实验室中执行实验，(v) 由 Robin 分析结果。Robin 在大多数语言处理功能上使用 OpenAI 的 GPT o4-mini。

给定一个疾病名称后，Robin 会围绕该疾病提出一系列问题。文献检索智能体 Crow 会生成现有医学研究的简明摘要，并据此回答这些问题。基于这些答案，Robin 会识别出 10 种可能促成该疾病的潜在机制。

✴ 针对每一种机制，Crow 会检索相关研究，并生成实验设计，描述如何在实验室中测试该潜在机制的影响。Robin 使用 Claude 3.7 Sonnet 以两两比较的方式评估所有实验设计，并据此排序。

✴ 在得到排名最高的实验设计后，Robin 会在网络上搜索 30 种作用于该机制的药物，重点寻找既可商业获得（因此已完成安全性测试）又未曾用于治疗该疾病的药物。对于每种药物，Falcon 文献检索智能体会总结相关研究，并生成一份报告，解释该药物为何可能有效以及可能的局限性。Robin 使用 Claude 3.7 Sonnet 通过锦标赛方式对这些药物报告进行排序。

✴ 人类研究员会查看名单，并按照先前的实验设计在实验室中测试最有潜力的候选药物。完成测试后，他们上传测试结果，并让 Robin 执行特定类型的分析。

✴ Finch 数据分析智能体会执行分析，并对其发现进行总结。

✴ 基于这些发现，Robin 会生成后续实验，继续这一循环，直到人类研究员认为某个药物候选项令人满意为止。

●测试结果：论文作者针对 dAMD 运行了他们的流程。Robin 假设，提高一种称为 RPE 吞噬作用的过程——即眼内某类细胞清除病原体和碎屑的过程——可能治疗这种疾病。Robin 提出了可增强 RPE 吞噬作用的候选药物，其中两种被证明有效。

✴ 在首次运行中，Robin 识别出研究化合物 Y-27632 可能是一种治疗方案。人类研究员将该药物用于眼细胞测试后，Robin 注意到，与不使用药物的相同测试相比，RPE 吞噬作用的发生量几乎增加了 2 倍。人类研究员对数据进行的后续分析得出了相同结果。

✴ 团队将首次运行的数据回传到流程中。在第二次运行中，Robin 识别出 Ripasudil 作为另一候选药物。Ripasudil 是日本批准用于治疗青光眼的药物，而青光眼是一种会损伤视神经的疾病。在这次测试中，该药物使 RPE 吞噬作用增加了 1.89 倍，而人类研究员后续分析显示增加了 1.75 倍。（论文作者指出，这类分析很难自动化，因为“生物数据解读本质上的模糊性”会导致人类研究员和 AI 在不同运行中得出不同结论。）

●是的，然而：不过，虽然作者确实在眼细胞上测试了这些药物，但并未在患病患者身上进行测试，因此它们是否对活体患者有效仍不得而知。

●新闻背后：这项工作延续了多项致力于通过智能体式系统加速科学研究的研究。其中一套智能体式系统生成的机器学习研究提案，其质量与人类相当甚至更好。另一套系统可以生成提案、编写并运行代码来测试提案，并撰写描述实验与结果的论文。谷歌的 AI Co-Scientist 也生成了生物医学研究提案，随后由人类研究员在实验室中验证，用于治疗急性髓性白血病。

●重要原因：Robin 流程不仅能生成假设并提出实验，还能分析新的实验结果，并据此更新其假设。其自动化与迭代的结合表明，AI 智能体有望简化医疗进展。机器人技术的进步也可能使 AI 模型同样能够执行必要的实验室实验，正如 RoboChem 所展示的那样——在该系统中，AI 模型控制一组自动化实验室仪器。类似的方法也可能适用于医学之外的研究领域。

●我们在想：在美国，开发一种药物往往需要十多年时间，花费超过 10 亿美元，而政府每年批准的药物数量只有约 50 种。为已经获批的药物寻找新用途，以及为具有相同底层生物机制的疾病寻找新疗法，是对时间和资金尤其高效的利用。

点击下方阅读原文查看更多有趣内容哦~

阅读原文