谷歌 DeepMind 和耶鲁大学联合发布 270 亿个 AI 模型，发现新的癌症治疗途径

谷歌 DeepMind 与耶鲁大学联合发布了拥有270亿参数的AI模型——Cell2Sentence-Scale 27B（简称C2S-Scale 27B），开创了癌症治疗的新篇章。这款基于谷歌开源Gemma系列模型的人工智能系统，专注于理解单个细胞的“语言”，特别是癌细胞与免疫系统之间的复杂互动，其研究成果为“冷肿瘤”转变为“热肿瘤”提供了创新治疗策略，极大提升了癌症免疫疗法的潜力。​

引言：AI驱动癌症治疗新突破

癌症作为当今重大公共卫生挑战之一，传统治疗手段如手术、化疗和放疗存在诸多限制。近年来，免疫治疗成为癌症治疗的研究热点，但“冷肿瘤”由于缺乏有效的免疫识别信号，往往对治疗反应不佳。谷歌DeepMind联合耶鲁大学开发的这款AI模型，成功预测并验证了能够增强免疫系统识别肿瘤的新药物，为攻克冷肿瘤困境带来了希望。​

Cell2Sentence-Scale 27B模型简介

C2S-Scale 27B拥有270亿个参数，基于谷歌Gemma开源架构，专门用于单细胞分析。其核心能力是“聆听”细胞之间的交互信息，特别是在肿瘤微环境中癌细胞与免疫系统的语言交流。该模型不仅复现了已有科学规律，更重要的是生成了多项新假设，并通过活细胞实验验证，证明其预测的科学准确性。​

癌症免疫治疗的挑战：冷肿瘤问题

在抗癌免疫疗法中，“冷肿瘤”指缺乏足够免疫识别信号的肿瘤，这使得肿瘤细胞能够躲避免疫系统的攻击。使冷肿瘤转变为“热肿瘤”（免疫系统能识别和攻击的肿瘤）是当前研究的难点。C2S-Scale 27B模型聚焦于这一核心难题，通过大规模细胞数据和药物筛选，提出了增强免疫信号的新方案。​

AI模型助力发现新药物：Silmitasertib (CX-4945)

DeepMind团队通过分析超过4000种候选药物及患者肿瘤样本，发现了激酶CK2抑制剂Silmitasertib（CX-4945）在特定免疫活跃环境下，能够显著增强抗原呈递过程。这一过程是启动免疫系统识别肿瘤的关键，提升肿瘤“热度”，使免疫治疗更有效。此前该药物虽已在研发中，但AI模型为其提供了科学验证与临床发展潜力的强有力支持。​

研究方法：双上下文虚拟筛选技术

为了挖掘潜在的药物候选者，研究团队采用了“双上下文虚拟筛选”技术，结合患者肿瘤样本和分离细胞数据，精准评估药物在不同生物环境下的效果。该技术不仅识别出了多种已知药物，还发现了10%至30%的新候选药物，这些曾未被认知与癌症免疫治疗相关，代表了潜在的新疗法方向。chinaz​

AI在癌症研究的革命性意义

谷歌CEO Sundar Pichai强调，此次AI模型不仅提高了生物领域研发效率，更开辟了新的科学假说生成模式，显示大型AI模型不仅复现已知知识，还能创造创新且可验证的科学见解。随着后续临床前及临床试验展开，基于此AI发现的疗法有望带来癌症治疗的重大变革。​

结论：颠覆癌症治疗的新希望

谷歌DeepMind和耶鲁大学联合推出的270亿参数AI模型Cell2Sentence-Scale 27B，代表了人工智能与生物医学深度融合的最新突破。该模型成功帮助科学家“解读”癌细胞的复杂语言，识别及验证了能够将“冷肿瘤”转热的关键药物Silmitasertib（CX-4945），为癌症免疫疗法带来了全新突破方向。

这项研究不仅解决了癌症免疫治疗中长期存在的核心问题，还通过双上下文虚拟筛选技术开拓了更多潜在药物的发现途径。未来，随着更多临床试验的推进，基于AI的精准癌症治疗有望成为现实，极大提升患者生存率和生活质量。

这也意味着，利用大型AI模型在生命科学领域，不仅可以提高研究效率，更能创造颠覆性的科学发现和创新疗法，为全球癌症患者带来福音。

参考资料

• 谷歌DeepMind官方博客，2025年10月，Cell2Sentence-Scale 27B模型发布与实验验证报道​

• 环球科技新闻，谷歌DeepMind与耶鲁大学癌症大模型研究报道，2025年10月​

• 生华科CX-4945药物临床潜力及AI验证，联合新闻报道，2025年10月​

• 谷歌CEO Sundar Pichai对AI在科学领域突破的评价，2025年10月​