AI医疗迎来王炸！谷歌祭出TxGemma模型，多项重大突破，万亿科技巨头引爆行业革命！

　　3月18日，在年度健康活动The Check Up上，谷歌官宣了一组用于药物研发的AI模型，名为TxGemma。

　　据悉，TxGemma是基于Gemma的“开放”模型，能够理解常规文本和不同治疗实体（如小分子、化学物质和蛋白质）的结构，可以帮助研究人员预测潜在新疗法的重要特性，例如安全性或有效性。

　　此外，在活动上，谷歌首席健康官Karen DeSalvo博士还宣布了另外五项进展：

　　1. 进一步改进Gemini模型在健康方面的功能，满足临床高标准，人们可以查找可靠且相关的健康信息，从常见疾病到罕见病症

　　2. 面向全球推出了全新的医疗记录API，可让应用以标准FHIR格式读取和写入信息，支持50多种数据类型，涵盖活动、睡眠、营养、生命体征和过敏、药物、免疫接种和实验室结果等医疗记录。

　　3. 谷歌手表Pixel Watch 3上的脉搏停止检测功能于上个月获得FDA批准，这项功能可以检测到用户何时出现脉搏停止，并在其失去意识时自动拨打急救电话，该功能目前已在美国、欧盟等14 个国家/地区推出

　　4. 推出基于Gemini 2.0 的多智能体AI系统“AI联合科学家”，可帮助生物医学研究人员解析大量科学文献并生成高质量的新颖假设，已与伦敦帝国理工学院、斯坦福大学等院校展开合作

　　5. 在谷歌的帮助下，荷兰马克西玛公主儿科肿瘤中心正在开发一款名为Capricorn的AI工具，它结合大量公共医疗和匿名患者数据，根据其分析结果快速生成治疗方案摘要和相关医学出版物，医生能够更高效地实现儿科患者的个性化癌症治疗

　　此外，谷歌还于去年年底推出了健康人工智能开发平台HAI-DEF，其中包括用于数字病理学的Path Foundation、用于胸部X射线的CXR Foundation、用于皮肤图像的Derm Foundation和用于咳嗽、呼吸等生物声学的HeAR。

　　从医学影像到药物研发，从健康助手到可穿戴设备，谷歌这一系列创新举措为我们勾画了未来AI医疗的宏伟蓝图，这些技术不仅将改变医疗行业的运行方式，更将深刻影响每个人的健康管理体验。

　　AI的赋能将使得医疗变得更加智能化、个性化和高效化，而科技巨头的加入有望加速这一过程。

　　
谷歌进军健康：几经沉浮，越挫越勇

　　谷歌对医疗健康的关注，至今已有近20年。

　　2008年，谷歌宣布推出Google Health，这是谷歌第一个医疗健康项目，旨在个人健康记录服务，链接医生、医院和药店。

　　不过，由于市场拓展未达预期效果，谷歌宣布于2012年关闭该服务。

　　2018年，谷歌重启了Google Health，不同于上次的小打小闹，这次公司采取了空前的力度去推动。

　　谷歌选择将其搜索、云等业务的医疗板块，以及Deepmind的健康部门和深度神经网络架构的Google Brain，都被拆分出来，统一纳入到Google Health这个大部门之中。

　　彼时整个硅谷都沉浸在技术狂热之中，神经网络之父、后来的诺贝尔物理学奖得主Goeffery Hinton就曾放出豪言：“5年内深度学习就能超过放射科医生，从现在起就停止培训放射科医生。”

　　图：Goeffery Hinton

　　这种背景下，谷歌倾力打造Google Health，也就不足为奇。

　　然而三年后，Google Health负责人David Feinberg选择离职，整个部门被曝解散，之后谷歌回应称，Google Health并未消失，只是旗下团队和项目分散到了不同的部门。

　　对于谷歌的再次折戟，业内人士表示：“技术狂热者们大大低估了临床流程和技术工程问题的复杂性，觉得所有问题都能被简单粗暴的机器学习解决。”

　　究其原因，难以商业化只是原 因之一，更为重要的是， Google Health 缺乏合作伙伴和公众的信任。

　　公开信息显示，谷歌与医疗保健系统Ascension的合作曾受到参议院的审查，另有多名用户起诉谷歌，称其暴露了用户健康数据并侵犯了隐私。

　　不过，即便接连败走，谷歌对于医疗健康的热情却仍然不减，在这条道路上，谷歌虽然经历过黯然失色，但也有不少令人瞩目的高光。

　　
拿下诺奖，技术狂飙

　　尽管在医疗健康领域的探索并非一帆风顺，作为全球科技领域的领军者，谷歌依然凭借其强大的技术实力，在多个方向上取得了突破性进展。

　　最为知名的莫过于谷歌于2014 年花费4亿美元收购的英国公司DeepMind，经过多年发展，已经成为是世界领先的人工智能实验室之一。

　　2019年，DeepMind的健康团队还与谷歌合作提出了一种基于人工智能的乳腺癌识别解决方案，该算法在与所有人类放射科医生的比拼中，平均胜出11.5%。

　　2020年，DeepMind开发的AlphaFold2在蛋白质结构预测领域实现了历史性突破，成功破解了持续50年的蛋白质折叠问题，斩获2024年诺贝尔化学奖。

　　图：获得2024年诺贝尔化学奖的Demis Hassabis和John M. Jumper

　　2021年，AI制药公司Isomorphic Labs从DeepMind中独立出来，成为谷歌母公司Alphabet的全资子公司，并于2024年与礼来和诺华达成了两项共计30亿美元的药物发现协议。

　　近年来，在大语言模型的潮流下，谷歌也开发了多款用于医疗保健的垂类大模型，这些模型不仅能够帮助医生更精准地诊断疾病，还能为患者提供个性化的健康建议。

　　例如，谷歌团队首先研发了Flan-PaLM，这一模型挑战了美国医学执照考试（USMLE），取得了67.6%的成绩，比此前最好的模型提高了17%。

　　之后，谷歌进一步打磨产品发布了Med-PaLM，该成果登上了Nature，经过专业临床医生评判，Med-PaLM对实际问题的回答准确率与真人相差无几。

　　2023年，全球首个全科医疗大模型Med-PaLM M发布，其在14项测试任务（问题回答、报告生成和摘要、视觉问题回答、医学图像分类和基因组变体调用）中均接近或超过现有SOTA。

　　在一项对246份真实胸部X光片的测试中，临床医生表示，在高达40%的病例中，Med-PaLM M生成的报告都要比专业放射科医生的更受采纳。

　　2024年，谷歌推出了健康人工智能开发平台HAI-DEF，向着技术生态的构建更进了一步。

　　作为一项开放权重模型和配套资源集合，HAI-DEF旨在帮助构建医疗领域的AI模型，开发人员可以访问、微调预先训练的模型来构建AI应用，并利用谷歌云部署，目前已开放四款模型：

　　CXR Foundation：该模型已针对大量胸部X光片和放射学报告进行了预训练，可加速胸部 X 光片图像分析的AI开发

　　Path Foundation：该模型使用自监督学习对大量数字病理学数据进行处理，可加速组织病理学图像分析的AI开发

　　Derm Foundation：该模型在大量带标签的皮肤图像上进行了预训练，可加速皮肤图像分析的AI开发

　　HeAR：该模型在3亿个2秒音频片段上进行了预训练，可加速生物声学数据（例如咳嗽或呼吸声）的AI开发

　　
构建生态，开枝散叶

　　在构建AI医疗生态的进程中，谷歌采取了“内外兼修”的策略：对内强化跨部门合作，整合技术资源与数据优势；对外则通过战略投资与行业合作，构建开放共赢的伙伴关系。

　　在内部，谷歌除了Google Health外，还有包括Verily、Calico在内专注于不同领域的业务单元，形成多元化的强大矩阵。

　　以Verily为例，其最初是Google的糖尿病项目，现为谷歌母公司Alphabet 的子公司，专注于预防、检测疾病以及慢病管理，正在研发可穿戴医疗设备和生物传感器。

　　对外投资上，Google通过旗下风险投资及其私募股权部门投资了许多知名的生命科学公司，进一步增强其在该领域的渗透率。

　　据统计，2019年至2021 年间，Google Ventures、Gradient Ventures 及CapitalG 在生命科学和医疗保健领域进行了约100笔交易。

　　其中，AI制药成为Google偏爱的重点领域，在Google Ventures在2021年51笔医疗健康领域投资中，对于药物研发的投资就达到28笔，超过半数。

　　外部合作上，凭借业内领先的人工智能、云计算等服务，谷歌近年来与多家药企、医院建立了合作，探索从药物研发到临床诊疗的智能解决方案。

　　2023年1月，拜耳和谷歌云宣布合作推动早期药物发现，将利用谷歌的TPU，加速和扩展拜耳的量子化学计算。

　　2023年5月，谷歌云与辉瑞宣布合作，探索Alphafold加速药物发现过程，并加快开发人员在谷歌计算平台上进行实验的能力。

　　2023年6月，谷歌云与梅奥诊所达成合作协议，扩大生成式人工智能在医疗保健领域中的使用。

　　梅奥诊所将在谷歌云上构建数据平台，其资深医生还将与谷歌合作，为严重疾病和复杂疾病创建机器学习模型，并与全球护理人员分享这些模型和解决方案。

　　2025年1月，施维雅与谷歌云宣布达成一项为期五年的全新合作，聚焦人工智能与生成式AI技术，旨在加速为患者开发创新治疗方案的研发进程。

　　结语

　　谷歌在医疗健康领域的布局不可谓不深入，其技术触角已延伸至医疗生态的各个角落。

　　然而，尽管谷歌凭借其技术上的领先优势取得了诸多突破，但科技巨头入局医疗的“魔咒”依然如影随形——从数据隐私争议到商业化困境，从技术落地难题到行业信任危机，大厂在医疗探索之路并非一帆风顺。

　　当AI迈入新的发展阶段，AI医疗领域迎来了巨大的动力与机遇，但谷歌能否打破这一魔咒，将前沿技术转化为切实的临床价值，仍需要时间检验。

　　TheEnd