AI再强，也造不出更多病人！Moderna总裁：AI最先变革的是癌症，市场低估了物理世界的限制

莫德纳（Moderna）总裁斯蒂芬·霍格（Stephen Hoge）最近做客黑石集团官方播客，大谈AI与医疗的未来。

2020年1月，新冠病毒基因序列刚刚公布，Moderna要做的是让人体自己造出刺突蛋白。

问题在于，同一个蛋白理论上可以写成超过10的80次方种不同的mRNA序列，这个数字比已知宇宙中的分子总数还要多。

要知道，序列选得好不好，直接决定mRNA在体内能不能稳定存在、能表达出多少蛋白，一条条去试，几辈子都试不完。

Moderna的做法是把这道题交给一套已经练了十年的算法，算法给出的那个答案，就是后来的疫苗mRNA-1273。

“我们再也没造过第二个。”

但是，他谈起AI却比大多数人冷静得多。

在霍格看来，AI确实可以把药物设计从几年压缩到几个月甚至几周，却压缩不了人体给出答案的时间，用他的话说：“如果要看你的癌症三年后会不会复发，我们就得等三年才知道。”

前不久，莫德纳刚刚打赢了一场硬仗。

今年8月19日，莫德纳与默沙东宣布，个体化mRNA新抗原疗法intismeran autogene（mRNA-4157／V940）联合K药的III期INTerpath-001研究达到主要终点。

这是全球首个III期阳性的个体化新抗原疗法，也是第一个跨过III期门槛的mRNA肿瘤疗法。

这家被新冠红利透支多年、一度被市场看衰的公司，第一次靠癌症疫苗重新站回了聚光灯下。

当整个行业都在讲AI要把新药研发从十年压缩到两三年，霍格给出了更理智的答案。

AI先改变效率，再改变药物发现，最先受益的是“一人一药”的癌症疫苗，但是最难的是物理世界。

一个算法，训练了十年

霍格的履历本身就很有故事性。

他在阿默斯特学院读神经科学，读完医学院当了急诊科医生，后来转去麦肯锡做了七年医疗咨询，2012年底加入成立刚两年、全公司只有二十人左右的莫德纳，2015年起担任总裁，主管全部研发。

当时很多人不相信mRNA能成，他自己也承认没那么有把握，真正吸引他的是回报。

mRNA就像大自然的软件系统，只要能用它治好或预防一种病，就意味着可以复制粘贴到几十种、上百种病上。

CEO班塞尔从一开始就爱说，莫德纳要么是零，要么是一百，但绝不会是一。

真正让这套逻辑接受检验的，是2020年1月。新冠病毒的基因序列公布后，莫德纳需要让人体自己造出刺突蛋白，而同一个蛋白，理论上可以写成超过10的80次方种不同的mRNA序列，数量比已知宇宙里的分子还多。

他们没有一条条去试，而是直接问算法该造哪一个。算法给出了mRNA-1273，霍格说，他们再也没造过第二个。

不过，这从来不是一次幸运的灵光乍现。

新冠之前，莫德纳已经在人身上试过9款疫苗，每一轮实验数据都被喂回系统，用来回答同一个问题：想让人体造出某个蛋白，哪条序列最可能有效，表达量又恰好合适。

霍格在节目里特意纠正了自己的说法：与其说是团队学会了怎么造出最好的那一个，不如说是算法学会了。

换句话说，2020年的一飞冲天，其实是一个转了十年的数据飞轮，第一次在全世界面前全速运转。

这也是AI制药行业最容易被忽略的一点：算法真正的护城河，从来不在模型结构本身，而在背后可以被反复验证的实验闭环和人体数据。

AI最先受益的，是“一个人的癌症”

被追问AI会先在哪里加速发现时，霍格的原话是：在那些需要吸收远超我们目前能获取的信息的地方。

即mRNA的序列设计、蛋白质设计、临床试验的设计和入组，AI已经让这些事快了一大截，以前要一整个战略或科学团队干的活，现在一个人就能在短得多的时间里完成。

下一个前沿是“发现”，也就是AI能不能从帮人更快地设计药，变成直接告诉人该做哪个药。

霍格认为，这把钥匙最先能打开的是个体化医疗；至于面向大规模人群的药，人类本来就挺擅长发现，AI能再提效多少，他坦言没那么确定。

莫德纳的个体化癌症疫苗，就是这套逻辑最好的证明。

癌症在生长过程中会积累大量突变，这些突变产生的靶点叫新抗原，只存在于这一位病人的癌细胞里，健康细胞里没有。

但难点也恰恰在这里。要教会一个人的免疫系统，就得只为他做一次药，而这支药对任何其他人都没用，这也是过去二十年没人能把这件事做成的原因。

具体流程是这样的：病人手术切除肿瘤后，组织样本寄到莫德纳测序，从中挑出最多34个新抗原，再由算法设计对应的mRNA序列，为这个人单独生产，每人9剂，平均42天送回医院，因为病人很快就要开始后续治疗。

INTerpath-001研究共入组1,137名术后高复发风险的黑色素瘤患者，按2比1随机分组，这意味着有七百多人拿到了只属于自己的那支药。霍格说，光是为了跑完这项试验，他们就在42个国家把这件事做了约800次。

规模化的逻辑也因此反了过来。

新冠疫苗要往大做，每个环节都要产更多；个体化癌症疫苗则要先往小做，再横向复制，多一个操作员就能多看管四台机器，一台台铺开就行。整个临床项目预计入组四五千人，霍格认为，莫德纳现在的运行规模已经基本接近商业规模。

但一个绕不开的问题是价格，测序、算法设计、生产、质控每一步都要为单个病人重来一遍，这注定它不会是一款便宜的药，真正的定价要等上市那天才会揭晓。

算法再快，也必须得等三年

整场对谈里，霍格反复回到同一个判断：发现可以被压缩，临床试验也能加快一些，但最终结果必须在人身上量出来，这是药物研发最难的现实，整个生物科技行业都在和它较劲。

被问到站在投资人角度，市场低估了什么？

他的回答是：低估了AI落到人类经济活动里会碰到的难处。

药终究要造出来，要跑完临床试验，FDA才会允许你向病人介绍它，这些物理限制跟不上AI能力扩张的速度。

他举了一个很具体的例子。一项试验招1,000名皮肤癌病人可以做到，但如果想招1万名III期病人，一年里根本没有那么多人能及时入组，你只能等。

要知道，美国2026年新发黑色素瘤预计约11.2万例，而符合这类试验条件的，只是其中术后高复发风险、且未接受过全身治疗的一小部分人。

算法可以一天设计一万条序列，病人却不会因此多出来一个。

资本同样如此。在霍格看来，想法的速度一下子快了很多，投进生物科技研发和制造的钱却没跟上，很快就会撞墙，一年能跑多少临床试验、一座工厂能造多少药，都是定数。

莫德纳自己的流感疫苗mFLUSIVA就是一个现成的样本。

几年前，这款疫苗需要一项大型有效性研究来证明自己优于市面上的标准疫苗，而当时公司的钱正分散在癌症、基础设施等项目上，最终是黑石出资7.5亿美元，折合人民币五十多亿元，才让这项研究跑了起来。

不仅如此，这款疫苗的上市之路还说明，物理世界的慢之外，还有监管世界的不确定。

今年2月，FDA一度拒绝受理它的审评申请，莫德纳调整了按年龄分层的申报路径后，才重新进入审评。

换句话说，如果AI制药的估值逻辑只算“发现速度”，迟早会撞上入组、产能、监管三堵墙。

如果只能用两个数字概括这场对谈，大概是一小时和三年。

一小时，是莫德纳拿到新冠序列后算法给出设计的时间；三年，是一位癌症患者要等多久，才能知道为他定制的那支药到底有没有用。

一、算法的护城河不在模型，而在数据和工程。莫德纳的算法能挑中mRNA-1273，靠的是此前9款人体试验疫苗喂出来的数据，以及十年里把mRNA造出来、送进去的工程能力。

二、AI最该押的，是信息密度最高的赛道。在霍格看来，AI最先兑现价值的地方，是信息量大到人类处理不过来、每个病人都不一样的场景，而不一定是最热门的靶点。

三、一人一药，已经从概念变成了流水线。34个新抗原、9剂、平均42天交货，个体化癌症疫苗的难题已经从“能不能做”变成了“能做多少”。

四、病人不会因为算法而变多。算法设计得再快，癌症复不复发也只能等三年，一年之内也招不到1万名III期病人。

五、钱，才是最慢的那一环。想法的速度一下子快了很多，投进临床试验和工厂的资本却没有同步加快，莫德纳的流感疫苗，靠的是黑石7.5亿美元的项目融资才跑完了III期。

AI制药的上半场，比的是谁的算法更聪明；下半场，比的恐怕是谁能为最慢的那三年找到钱、找到病人、建好工厂。

—The End—