AI的尽头是医疗！木头姐重磅报告，医疗保健将成为AI最重要的应用，颠覆整个行业！

有着“女版巴菲特”之称的木头姐，再次站台AI+医疗健康。

近日，ARK Invest发布《Big Ideas 2025》，这份长达148页的报告，表示AI、机器人技术、能源存储、公共区块链和多组学测序将推动世界经济指数级增长。

木头姐（Cathie Wood）创立的ARK Invest，是专注于投资颠覆性技术的知名机构，资产管理规模达302亿美元，其每年发布的“Big Ideas”报告已成为全球投资者了解前沿科技和市场趋势的重要文件。

在今年的报告中，ARK Invest分析了AI Agent、稳定币、机器人、无人驾驶出租车、可重复使用火箭、能源等10大领域，其中多组学占据18页内容，成为篇幅最多的细分领域，足见其重要性。

报告指出，利用人工智能来“操作”数据将颠覆诊断、药物发现和治疗，到2030年，整个行业的表现将提升几个数量级。

具体来看，AI将彻底改变多组学工具、药物研发、分子诊断，并显著改善药物的经济回报，如：

• AI将使DNA等生物信息的读取和写入成本分别降低100倍和1000倍；

• AI将使药物开发成本降低4倍，并将研发投入的回报提高5倍；

• AI将使癌症筛查的效率提高20倍，并且将市场规模扩大10倍；

• AI药物的商业价值将比标准药物高20倍，比同类最佳的精准药物高2.4倍。

木头姐在后来接受采访时进一步表示，AI赋能医疗保健的潜力被大大低估，从长远来看，医疗保健将成为AI最为深远的应用领域。

进入2025年，已有、等多位科技界大佬公开看好AI在生物学的前景，医疗健康领域正在经历一场前所未有的变革。

ARK Invest将生物信息分为三个层次：序列——结构——系统，第一层以DNA/蛋白质测序为主，第二层由Alphafold发挥核心作用，第三层则以单细胞基因组学为代表。

测序技术的突破使得研究人员以更低的成本获取和分析大量的生物数据成为可能，木头姐强调，“你必须关注测序技术，这是起点”。

报告显示，35年来，DNA测序成本下降了100亿倍、DNA合成成本下降了10万倍，比摩尔定律还要快得多。

一个直观的案例是，对人类基因组的计算时间已经从2001年的180天缩短到现在的10分钟，当时分析单个基因组所花费的成本如今可以分析14亿个基因组。

测序成本的大幅下降带来生物数据总量的爆发式增长，这将为AI模型的开发带来无尽动力。

例如，全球最大的公开基因组数据库——英国生物数据库，储存着50万名患者的信息，这个数据量是Meta开发的开源大语言模型LLaMA 3.1 405B的27倍。

而随着测序技术的大规模应用，ARK Invest预计，未来生物数据量将激增1000倍甚至更多。

除了DNA，针对细胞的测序技术也在不断发展，单细胞测序的成本正呈指数级下降，每个细胞的成本从2009年的400美元降低至目前的0.01美元。

报告预测，未来，虚拟细胞基础模型将继续降低单细胞基因组学的成本，到2028年有望再降低120倍。

当然，测序技术之外，以AlphaFold为代表的AI模型则在重新定义分子结构的预测。

ARK Invest指出，AlphaFold已经改变了蛋白质结构的预测，性能随着版本迭代大幅提升，其在生产力和范围上都超越了x射线晶体学和低温电子显微镜等传统方法。

多组学技术和人工智能的结合将深刻改变医疗保健，包括癌症诊断、药物研发等方面，ARK Invest在报告中提到了以下几个领域：

多癌症筛查（Multi-Cancer Screening）

多癌症筛查是一种革命性的癌症早期检测方法，能够通过一次简单的血液检测，识别出多种癌症的早期迹象，大幅提升筛查效率和范围。

2024年7月，Guardant Health宣布FDA已批准其Shield™血液检测技术，用于45岁及以上成年人的结直肠癌筛查，成为首个被FDA批准作为结直肠癌主要筛查选项的血液检测。

ARK Invest认为，未来随着监管和报销途径的进一步通畅，多癌症筛查的广泛应用将使得美国癌症筛查市场总体规模增加一倍以上。

根据兴证医药分析，目前美国癌症早筛市场约在800亿美元左右，这意味着多癌症筛查有望驱动近千亿美元的市场空间增长。

虚拟细胞（Virtual Cell）

虚拟细胞融合了单细胞基因组学与AI，旨在模拟细胞的功能并预测在各种状态下的反应，具有巨大应用前景。

例如，通过虚拟细胞，研发人员可以预测特定的药物将对细胞产生什么影响，减少对昂贵且耗时的湿实验的依赖，加速研发过程。

不久前，DeepMind CEO、新任诺贝尔化学奖得主德米斯·哈萨比斯（Demis Hassabis）也表达了对“虚拟细胞”的强烈兴趣，他认为这可能会彻底改变生物学研究。

目前，10X Genomics、Illumina收购的FluentBio,、ScaleBio和ParseBio 等公司均在开发虚拟细胞相关技术。

自动化实验室（Self-Driving Labs）

自动化实验室将多组学工具与基于大语言模型的分析设计系统进行整合，显著提高了实验效率。

ARK Invest分析，自动化实验室可以在药物发现过程中节省两年时间和数亿美元的成本。

作为这种方法的开创者之一，AI制药公司Recursion已经实现了200倍的生产力提高。

器官芯片（Organs-On-Chips）

基于微流体技术、3D生物打印技术和类器官技术的突破，下一代临床前模型，如器官芯片正在发展。

报告表示，相较于动物模型等传统技术，器官芯片更符合生理学，且可扩展，能够支持更高通量的测试。

更进一步地，器官芯片与人工智能相结合，可以得到针对患者的精准预测，从而显著改善药物发现流程。

在最后一部分，报告重点介绍了AI对药物经济学的影响。

众所周知，一款新药的研发往往需要“十亿美元和十年时间”的投入，这揭示出药企在研发上的巨大成本。

不仅如此，漫长的研发过程也消耗着药物的专利期，对药物上市后的收入也带来不利影响。

上述因素极大地制约了药企的经济回报，数据显示，1982-2022年来，药物开发的回报率呈现下降趋势，从20%左右降至10%左右。

而Ark Invest认为，AI将有望逆转整个行业不断下行的回报率。

最直接的，AI可以大大减少开发成本，据测算，AI可以让药物上市时间从13年减少到8年，同时将药物总成本从24亿美元减少到6亿美元。

进一步地，研发时间的缩短带来了专利期的相对变长，这允许创新药企在更长的时间内产生更高的回报。

Ark Invest表示，目前AI将时间缩短了2-3年，这使得专利的经济价值增加了30-50%，未来AI可能会将时间缩短4-5年，这将使得专利价值提高70-80%。

在上述因素的共同影响下，AI驱动的药物将在经济价值上与传统药物产生显著区别。

报告分析，在30年的时间里，AI设计药物的平均累计现金流可能达到40亿美元，而传统药物模型的累计现金流则不到10亿美元。

这意味着，深度运用AI的药企，其药物收入将是传统药企的四倍有余，双方将在研发回报上拉开巨大差距。

—The End—