癌症研究 · global
AI能替癌症研究選對下一步嗎?哈佛AURORA計畫走進實驗室驗證
三支癌症研究團隊將讓AI參與假說生成與實驗排序,從兒童實體腫瘤到癌症起始機制,檢驗這位「共同科學家」能否帶來有用的發現。研究效率是否因此提升,正是這項計畫要回答的問題。
癌症研究不缺線索,難的是決定哪一條值得投入下一輪實驗。面對龐大的基因、細胞與免疫資料,研究者必須在有限時間和經費中取捨。由哈佛醫學院研究者Marinka Zitnik領導的AURORA計畫,將讓AI協助提出假說、排列實驗優先順序,再由實驗室檢驗建議是否站得住腳。這項於2026年11月5日在哈佛大學啟動的計畫,也把AI能否改善科學研究本身,變成一道待驗證的題目。
AURORA由英國癌症研究基金會透過Cancer Grand Challenges資助;基金會將此次公告定位為這項800萬英鎊計畫的下一階段,三支參與團隊合計另獲400萬美元支持。系統以Zitnik團隊開發的ToolUniverse為基礎,讓AI能調用科學工具、資料庫與計算資源,整合證據並提出可測試的想法,也須考慮實驗所需的時間、預算與可行性。
其中,NexTGen團隊將聚焦兒童實體腫瘤的CAR T細胞療法,也就是改造免疫細胞,使其辨識特定目標。根據倫敦大學學院公告,AI將分析癌細胞與健康細胞的生物資料,協助排序攻擊標的、標的組合及細胞工程方案,並探索腫瘤抵抗治療的原因。研究者希望藉此縮小候選範圍,把實驗資源集中在較有根據的設計上。
PROMINENT則把問題往癌症形成之前推進:為何有些帶著癌症相關突變的細胞仍維持正常,有些卻逐步走向惡性?巴塞隆納生物醫學研究所11月13日表示,團隊獲得131萬美元額外資助,由Núria López-Bigas與史丹佛大學的Emma Lundberg共同領導相關工作。AI將協助整理文獻與大型生物資料,提出突變如何改變細胞、組織的機制假說,並納入年齡、性別等因素,再以基因篩選及細胞影像等方式測試選定想法。
第三支團隊MATCHMAKERS關心免疫辨識:T細胞如何認出癌細胞?腫瘤抗原與T細胞受體的可能組合繁多,逐一測試需要大量資源。團隊將開發彼此互動的AI共同科學家,協助挑選值得研究的腫瘤標記與免疫細胞組合,交由研究者在實驗室驗證,為理解免疫系統如何鎖定腫瘤累積證據。
三條研究路線共用的核心,是讓實驗結果持續回到系統。研究者負責設定問題、審查假說及選擇實驗;AI再依新證據調整後續建議。哈佛醫學院表示,系統也將提供建議背後的推理紀錄,供研究者檢視。評估將涵蓋哪些建議得到支持、哪些失敗,以及新資料加入後表現如何改變,科學判斷與決策責任仍由人承擔。
目前公告呈現的是開發與評估安排,尚未提供AI提升實驗成功率、縮短研究時間或降低成本的量化結果,也未交代完整的對照設計與資料集規模。建議能通過實驗檢驗,與整體研究效率獲得改善,仍是需要分別證明的事。AURORA接下來的價值,將取決於它能否在真實研究限制下,持續幫助科學家作出更有根據的選擇;至於患者能否因此受益,還有更長的驗證路程。