人工智能或将开启疫苗研发的新时代

新冠疫苗的研发是科学的一项伟大胜利。各国政府、研究人员和疫苗生产商通力合作，加速完成了原本可能需要数十年才能完成的研发过程。

然而，在经历了长达一年的生存恐惧和隔离之后，这些疫苗从 2020 年 12 月开始的推广速度却异常缓慢——尤其是在 2021 年 1 月新冠病例激增的情况下， 全球估计有 44.5 万人丧生 ，使其成为疫情期间最致命的一个月。

 

 

加州大学尔湾分校免疫学家、加州科技免疫学公司 TechImmune 研究副总裁 Lbachir BenMohamed 博士表示，如果下一次冠状病毒大流行今天开始，由于人工智能 (AI) 的应用，疫苗的研发等待时间可能会大大缩短。

 

在人工智能的帮助下，本·穆罕默德带领一个研究团队研发出一种广谱冠状病毒疫苗，该疫苗能够激活 T 细胞清除病毒。本·穆罕默德认为，这种抗原反应可以作为一种“万能钥匙”，训练人体对冠状病毒家族中的所有病毒产生免疫反应，包括 SARS-CoV-2（导致 COVID-19 的病毒）、MERS-CoV（中东呼吸综合征冠状病毒）和 SARS-CoV（严重急性呼吸综合征冠状病毒）。

 

基于这项发现，针对新冠长期症状的疗法计划于明年初启动临床试验。这一步骤旨在确定该疗法在人体中的安全性和有效性，并揭示该疫苗是否能够引发预期的抗原反应。本·穆罕默德表示，如果试验成功，该疗法可以进一步研发成疫苗，用于应对下一次冠状病毒疫情或大流行。

 

他说：“如果未来几年再次发生大流行病（这只是时间问题），我们今天的准备比上次要充分得多。”

 

BenMohamed 是众多研究人员之一，他们告诉 CIDRAP 新闻，疫苗学领域才刚刚开始意识到人工智能（特别是被称为机器学习的人工智能子类型）的可能性。

如果未来几年再次发生大流行病（这只是时间问题），我们今天的准备比上次要充分得多。

 

这项技术通过分析特定测量数据——例如抗体与特定受体的结合位置或 B 细胞产生这些抗体所需的时间——来识别免疫系统内的复杂模式。在某些情况下，数据量如此庞大且复杂，以至于研究人员几乎不可能自行识别这些模式。

 

 

通过更快失败来节省资金

根据美国卫生与公众服务部 (HHS) 2025 年的一份报告 ，将一种新型疫苗推向美国市场平均需要花费 8.868 亿美元 。

 

密歇根大学药学院人工智能驱动治疗发现研究所创始主任孙杜新博士表示，希望机器学习能够降低药物和疫苗研发的成本和时间。

 

大型制药公司正开始投资人工智能技术，用于通用药物研发。辉瑞公司最近与人工智能初创公司 Chai Discovery 签署了一项许可协议，以获取用于抗体设计的软件。礼来公司也与 Chai Discovery 以及人工智能公司英伟达和 Insilico Medicine 建立了合作关系 。Insilico Medicine 在 3 月份告诉 CNBC ，该公司已利用生成式人工智能工具开发了至少 28 种药物，其中近一半已进入临床试验阶段。Moderna 公司正在与流行病防范创新联盟（CEPI）合作，利用人工智能技术开展疫苗研发工作。

 

尽管涌现出一些令人兴奋的创新成果，但孙指出，目前尚无任何通过人工智能发现的药物进入临床试验阶段。 他并不认为机器学习能够带来范式转变，从而通过预测意想不到的潜在危险副作用来提高药物研发的成功率，或者找到人类科学家从未想过的全新解决方案。

德克萨斯大学医学分部 (UTMB) 人工智能计划主任 Peter McCaffrey 医学博士表示，目前人工智能往往只是重复已知事物的范围。

 

他说：“科学家的艺术就在于把握住那个特定的、深刻的、值得做的事情之间的差距。”

 

相反，孙和麦卡弗里都认为人工智能可以帮助研究人员更快地试错，从而更快地转向下一个、更有前景的研究方向。

 

孙说：“未来尚未到来。”

科学家的艺术就在于把握住那份值得去做的深刻的空白。

 

BenMohamed 表示，人工智能无疑加快了广谱冠状病毒疫苗的研发进程。

 

在临床前阶段的最初阶段——研究人员评估候选疫苗并筛选掉不适用的疫苗——就运用了机器学习技术，对1500万株冠状病毒及其变种进行了测序。在病毒的29种蛋白质（或分子结构）中，该模型识别出10种在所有冠状病毒中都存在的蛋白质，包括那些仅在蝙蝠中传播的冠状病毒。这10种蛋白质构成了候选疫苗（即旨在激发免疫反应的实验性制剂）的基础。

 

人工智能告诉本·穆罕默德的团队应该重点关注哪些候选疫苗后，研究人员通过动物实验进一步缩小了候选疫苗的范围，最终确定了三种蛋白质，并以此为基础研制出了疫苗。

 

整个过程大约耗时四年。BenMohamed 估计，如果没有机器学习的帮助，所需时间将是现在的三倍。

 

他解释说：“这就像比较以每小时 10 英里的速度行驶和以每小时 90 英里的速度行驶一样。”

人工智能或许能在流感疫苗设计方面超越科学家。

研究人员还在探索人工智能如何改进现有疫苗，例如每年的流感疫苗或鼻喷剂。

对于疫苗研发人员来说，流感病毒的变异是一个不断变化的目标。制药公司至少需要六个月的时间才能生产出足够剂量的年度流感疫苗。这就要求世界卫生组织（WHO）和美国科学家预测未来几个月内哪些快速变异的流感病毒株将占据主导地位。然而，预测往往并不准确。虽然疫苗可以降低重症风险，但其预防感染的有效率通常低于 50% 。

 

但去年发表的一项为期十年的回顾性研究表明，机器学习算法 VaxSeer 在预测哪些流感毒株将成为主导毒株以及选择与这些毒株相匹配的抗原方面，比世界卫生组织的年度建议做得更好。抗原是疫苗的活性成分，能够产生免疫反应。

 

第一作者、麻省理工学院 (MIT) 电气工程与计算机科学系博士生史文贤表示，VaxSeer 的准确性可归功于世界卫生组织的全球流感监测和应对系统 (GISRS)，该系统为她提供了来自 136 个国家/地区 166 个机构的 20 年数据。

 

“他们投入了大量精力收集世界各地的这些数据，”史说。

 

史还利用位于伦敦的生物医学研究中心弗朗西斯·克里克研究所的数据来训练 VaxSeer，使其能够识别不同候选疫苗的抗体如何与不同的病毒株结合。

驾驭多样化的数据集

“数据就是硬通货，”德克萨斯大学医学分部 (UTMB) 的虫媒病毒学家尼古拉斯·瓦西拉基斯博士说道。他曾与麦卡弗里合作，利用人工智能开发了一种甲病毒疫苗。

 

Vasilakis 和 McCaffrey 表示，希望利用人工智能的疫苗研究人员将受益于更容易获取被归类为知识产权的数据。在某些情况下，资助研究的机构不愿意分享实验数据。

 

另一个问题：算法需要更有效地整合来自不同来源的数据集。

数据就是硬通货。

 

密歇根大学人工智能疫苗研究员、兽医学博士兼哲学博士奥利弗·何表示，挑战在于不同的研究采用不同的方式收集和测量数据，这可能会干扰算法，导致结果出现偏差。他希望研究人员能够就一种标准化的数据标注方法达成共识，使所有使用者都能轻松理解。

 

即使这些问题得到解决，在很多情况下，仍然没有足够的数据来改进模型，使算法能够只产生一两种潜在的候选疫苗，而不是六种有希望的选择。

 

换句话说，机器学习模型能够产生的结果不错，但并不出众。随着人工智能研究的激增，麦卡弗里预计实践操作方面的瓶颈将会“大幅放大”。

 

他说：“必须有人实际制造出这种蛋白质，这种候选疫苗，把它放入小鼠体内，测量小鼠身上发生了什么，然后进行基于细胞的检测。”

即使借助人工智能，细菌疫苗也很难研制。

人工智能在细菌疫苗领域的突破可能还需要更长时间，因为这些病原体逃避免疫系统的方法更加复杂多样。

牛津疫苗小组主任安德鲁·波拉德爵士（医学博士、哲学博士）表示，人工智能如何帮助科学家研发细菌疫苗，其原理与模式识别相同，只是规模更大。

牛津疫苗小组正在研发的一种疫苗是针对金黄色葡萄球菌的疫苗。金黄色葡萄球菌可引起反复的皮肤感染以及血液和内脏器官感染。它是抗生素耐药性的主要驱动因素，也是细菌感染致死的主要原因之一 。经过大约 30 项临床试验 ， 金黄色葡萄球菌疫苗仍未研制成功。

 

波拉德认为人工智能可以帮助打破这种连败的局面，但正如本文采访的其他研究人员所说，他的算法需要更大的数据集。这些数据来自一些研究，在这些研究中，健康人安全地接触了细菌；波拉德和他的合作者随后测量了研究志愿者的免疫反应。

波拉德表示，随着时间的推移，算法可能会变得更加灵敏，因此只需更少的数据就能得出结果。甚至有可能，用于疫苗的机器学习模型最终能够预测针对病原体的免疫反应，就像 ChatGPT 等生成式人工智能模型能够自动撰写电子邮件回复一样。

人工智能永远无法完全取代人类。

一些人对 mRNA 技术（最初广泛应用于新冠病毒疫苗）的怀疑，加剧了人们对疫苗的整体怀疑情绪，而这种怀疑情绪自新冠疫情爆发以来一直在上升。瓦西拉基斯想知道，人们对人工智能日益增长的不信任是否也会产生类似的影响。

他说：“作为科学家，我们需要回归基本，我们需要能够与我们的受众沟通。”

CIDRAP News 采访的所有研究人员都认为，未来无需简单地将数据输入人工智能算法，算法就能生成可大规模生产的候选疫苗。人体试验始终是疫苗研发过程中不可或缺的一部分，以确保疫苗的安全性和有效性。

作为科学家，我们需要回归基本，并且需要能够与我们的受众进行沟通。

“你仍然需要动脑筋，”本·穆罕默德解释说，虽然人工智能是一个强大的工具，但它可能无法理解某些生物学上的复杂性。

施同意本·穆罕默德的观点，并表示只要科学家掌握主导权，她就不反对世卫组织在未来的流感疫苗研发过程中咨询 VaxSeer 的意见。

世界卫生组织发言人塔里克·贾萨雷维奇告诉 CIDRAP 新闻，该国际公共卫生机构正在探索新技术，包括新兴的人工智能应用。他指出，病毒选择不仅依赖于多样化的数据集，还需要专家来弥补现有的知识空白，例如驱动病毒进化的生物学机制。

“在这种情况下，人工智能在流感领域的应用最有可能从短期到中期开始，”Jašarević 说。

美国卫生与公众服务部官员确实回应了 CIDRAP 新闻的置评请求，就美国利用人工智能进行疫苗生产的努力发表了评论。

明尼苏达大学传染病研究与政策中心 (CIDRAP) 的 Derek Fleming 博士是一位专门从事冠状病毒疫苗研发的研究员，也是 CIDRAP 新闻的出版商。他表示，人工智能可以应用于疫苗研发的其他领域，例如设计临床试验。

弗莱明表示，如果人工智能模型在预测候选疫苗的安全性和有效性方面比动物试验更准确，那么动物试验甚至有可能被淘汰。其他研究人员对此持不同意见，但正如弗莱明所指出的，人工智能仍然是一个非常新的领域。

但他表示，“ 人工智能可能永远不会完全取代人类。”

“未来会怎样，很难说，”他补充道。

---