一位肿瘤患者走进诊室，医生开具了标准活检——这是全球数百万癌症患者每年都在进行的检查。几天内，一个在数千个肿瘤数据上训练的人工智能模型，生成了一份包含19000个基因的空间图谱。这份图谱告诉医生，这位患者体内的肿瘤最可能对哪种现有疗法产生反应。这正是Noetik公司TARIO-2模型如今承诺实现的目标——而全球最大制药公司之一刚刚为此投入了5000万美元资金。
葛兰素史克本周一宣布与这家旧金山初创公司达成授权协议，获得了TARIO-2的访问权限以及该公司更广泛模型平台的长期授权权益。这笔交易不同寻常。大多数制药人工智能合作涉及完全收购初创公司或授权某个药物候选分子。而这是纯粹的 software licensing——对预测能力而非发现能力的平台级押注。
前提很残酷：95%的癌症治疗在临床试验中失败。但Noetik联合创始人罗恩·阿尔法与丹尼尔·贝尔认为，这个失败率反映的是匹配问题，而非药物有效性问题。药物存在，生物学机制有效，医生只是缺乏识别哪些患者对哪些疗法有反应的工具体。TARIO-2正是为解决这一瓶颈而设计。
该模型是一个自回归transformer，在全球最大的肿瘤空间转录组学数据集之一上训练而成。空间转录组学是读取肿瘤信息最丰富的方式——它不仅捕获存在的基因，还捕获这些基因在组织中的活跃位置。问题在于：标准治疗中，只有不到1%的癌症患者接受过这种分析。它价格昂贵、速度缓慢，且需要专业设备。
TARIO-2通过从标准H&E染色图像预测那19000个基因的空间图谱来弥合这一差距——H&E染色是几乎所有活检都会进行的廉价、普遍的组织染色。模型从训练数据中学习了可见组织模式与底层基因表达之间的关系。现在它可以将这种关系推断到新患者身上，潜在地为每位肿瘤医生提供此前只有尖端研究实验室才能获得的洞察。
对于制药公司而言，影响是直接的。葛兰素史克和其他大型药企在临床试验上投入数十亿美元，这些试验失败是因为入组患者没有适合实验性治疗的正确肿瘤生物学。更好的匹配意味着更小规模、更快速的试验，以及更高的成功率。经济学逻辑发生显著转变：一款能将试验成功率提高哪怕10%的工具有可能价值数亿美元节省的研发成本。
更广泛的模式值得关注。过去十年从生物学研究中涌现的大多数人工智能公司，最终都转向成为药物开发商——为发现工作筹集风险资本、启动临床试验、寻求FDA批准。Noetik的授权模式表明了一条不同的路径：向现有制药基础设施出售预测层，而非与之竞争。如果TARIO-2在多样化患者群体中证明准确，这可能成为人工智能在医疗领域创造价值的一种模板——无需初创公司成为制药公司。
5000万美元的数字代表预付款——考虑到长期授权费用，总交易价值可能更高。Noetik尚未披露具体的定价或商业条款。明确的是，第一家大型制药公司已对人工智能驱动的肿瘤匹配作为基础设施而非仅仅是研究工具投下了重大赌注。95%的失败率究竟代表的是劣质药物还是劣质匹配，这一问题至少已通过一个5000万美元的决定给出了答案。