AI 设计的噬菌体首次用于人体，目标：攻克耐药菌

Radical Numerics 宣布，其 AI 设计的病毒（噬菌体）已用于一名患者体内，但关于后续情况，公司没有透露太多细节。

这家位于旧金山的 AI 实验室于 2026 年 10 月宣布，由其新一代基因组模型设计的噬菌体，已在 FDA 批准的医生主导的同情用药途径下，用于治疗一名耐药菌感染患者。

如果这一说法属实，这将是 AI 设计的生物体首次作为药物进入人体。

Latest Videos FromTechRadarWatch full video here:

并非新鲜事物，但 AI 可以助一臂之力

噬菌体是只感染细菌、完全不攻击人体细胞的病毒。它作为疗法已有百余年历史，比青霉素还早，并在抗生素逐渐失效的今天悄然复兴。

世界卫生组织认为噬菌体疗法总体上是安全的。与广谱抗生素不同，噬菌体可以精准打击某一种菌株，而不影响你体内其他微生物群。

但这种精准也是难点：每种噬菌体只能识别一小类细菌表面受体，所以要给患者治病，就得找到与其特定感染相匹配的噬菌体。临床上的做法是先筛选现有噬菌体库，再筛选环境样本，都不行就只能放弃，或者把基因工程当最后手段。对败血症患者来说，这个搜寻过程不是学术课题，而是实打实的生死考验。

耐药性问题本身的严重程度毋庸置疑。全球疾病负担研究项目估计，2021 年约有 470 万例死亡与抗菌药耐药性相关，并预测 2025 至 2050 年间，可能有近 4000 万人的死因可归咎于此。

Radical Numerics 的创始团队正是 Evo 和 Evo 2 背后的那批人——这两个是 Arc Institute 开发的基因组模型，曾生成出首批完全由 AI 编写的噬菌体基因组。当时的工作产出了 70 万个候选基因组，其中 285 个被合成出来，最终 16 个成功造出了有活性的病毒。作为一个概念验证，这个命中率虽然残酷，但已足够令人看到希望。

Omnii-1 是它的后续项目，据该公司的技术报告介绍，这次的思路更聚焦，更像外科手术式的精准操作。模型不再从零编写整个基因组，而是只修改负责识别靶标的部件。团队选用了 T7——一种特征研究得很透彻、基因组约 4 万碱基的大肠杆菌噬菌体——重写了它的受体结合尾纤维蛋白 gp17。

公司愿意公开的数据确实很有意思。在与野生型相差 11 到 15 个氨基酸的变体中，69.9% 的设计变体被成功回收为有活性的噬菌体，而随机对照组只有 4.8%。在 6,694 个可检测到活性的变体中，有 2,161 个超越了原始病毒，其中一些携带多达 28 个氨基酸替换。

前景可观，但未经证实、也未经同行评审

公司先用真实患者感染样本中分离出的细菌测试了设计好的噬菌体鸡尾酒，确认其在体外能清除该分离株，然后才给患者用药。据报道，这名患者感染的大肠杆菌不仅对所有抗生素耐药，也对所有可用的噬菌体耐药——在传染病领域，这几乎是最糟糕的处境。

此后，Radical Numerics 以患者隐私为由拒绝透露患者的临床过程、治疗结果、所在医院和主治医生，称哪怕是有限的临床细节也可能让患者被识别出来。

公司将技术报告直接发布在自己网站上，未经同行评审；但另一方面又表示该疗法属于专有技术，希望将其商业化。

截至 10 月 29 日，也就是公告发布九天之后，这种沉默依然没有打破——面向传染病临床医生的行业媒体报道仍然指出，没有任何临床过程披露、没有治疗结果、也没有经同行评审的论文发表。那份技术报告至今仍是关于这个病例的唯一记录。

平心而论，Radical Numerics 自己的说明中坦率指出，单一患者的观察结果无法证明安全性和有效性——这种谨慎程度已经超过大多数产品发布的水平。CEO Eric Nguyen 也表示，公司计划通过同行评审发表相关成果。

外部专家的态度介于感兴趣和存疑之间，这其实是合理的立场。哈佛微生物学家 Michael Baym 虽未参与研究，但他表示如果治疗真的有效，那将令人难以置信；不过他的直觉是保持怀疑，直到治疗结束、这类病毒的新颖之处得到真正检验为止。

商业逻辑倒是更容易论证：传统噬菌体筛选过程缓慢，而 Radical Numerics 相信能把设计周期从数月压缩到数天。

渥太华医院传染病临床医生 Marisa Azad 正与该公司合作，她形容传统筛选流程极其耗时——这话说得没错。如果 AI 能稳定缩短这个周期，改变的不只是流程，而是谁能及时得到治疗，让这类疗法更省钱、惠及更多人。

当然也有值得担忧的地方：一个能按需设计病毒的模型，本质上就是一个能按需设计病毒的模型。Radical Numerics 直面了这个问题，承诺根据模型能力匹配相应的生物安全、隔离管控和数据共享措施。

这就是困扰所有强大生物设计工具的两用难题，随着 AI 系统在生物学上越来越强，各大 AI 实验室也一直在公开应对这个问题。

工程化噬菌体此前已有用于患者的先例，最著名的是 2019 年的一个案例：经过改造的噬菌体成功治疗了播散性耐药脓肿分枝杆菌感染。这次的新意不在治疗理念，而在设计流程——治理层面的追问指向的是 AI 驱动的设计过程，而非疗法本身。

AI 已经从「读懂生物学」进化到「编写生物学」，并把成果直接交到医生手上。这和 AI 提出癌症研究假说或在罕见病诊断上超越专科医生完全是两回事——后者无论怎么突破，最终进入人体血液之前，都还有人类严格把关。

但就目前而言，一项非常精巧的实验已经在一位重症患者身上实施了，而结果如何、何时会有相关部门公开信息，我们仍一无所知。不过一旦成功，对一个未来几十年预计持续增长的行业来说，这将带来深远的变革。

---