🔬 Training Transformers to solve 95% failure rate of Cancer Trials — Ron Alfa & Daniel Bear, Noetik

Noetic 的核心论点是：90% 的癌症药物失败，不是因为药不好，而是因为选错了病人；他们正在用自有的多模态数据（H&E、蛋白染色、空间转录组）训练一个“虚拟细胞”模型，来从根本上重新定义癌症亚型，从而精准匹配药物和病人。

这期内容适合所有关注 AI 在生命科学领域落地的人，尤其是做 AI 产品、生物科技创业或药物研发的从业者。值得花时间看，因为它提供了一个非常清晰的、从第一性原理出发的 AI+生物案例：不是用公开数据拼凑模型，而是从零开始设计数据生成流程、控制批次效应、构建多模态训练集，最终实现从“病人活检”到“药物匹配”的闭环。最值得注意的冲突是：Noetic 认为传统的细胞系和动物模型数据是“弗兰肯斯坦式的”，与真实病人生物学脱节，因此他们拒绝使用任何公开的细胞系数据，全部自采自建。这种“数据即护城河”的极端策略，是对当前 AI 生物领域“模型架构竞赛”的一种有力反驳。

这期播客深入访谈了 Noetic 的 CEO Ron Alpa 和 AI VP Dan Bear。他们详细解释了 Noetic 的创立初衷、技术路线和商业模式。核心故事是：他们不相信传统的药物研发流程——在培养了几十年的癌细胞系上做实验，然后移植到小鼠皮下，最后推到临床。他们认为这种流程产生的数据与真实病人生物学严重脱节，是药物失败的主因。因此，他们选择了一条更重、更慢但可能更有效的路：自建实验室，从医院获取新鲜肿瘤样本，用一套精心设计的流程生成多模态数据（H&E染色、多重蛋白荧光染色、空间转录组），然后训练一个能够理解病人生物学、预测药物反应的“虚拟细胞”模型。他们强调，这个模型最终在推理阶段只需要一张标准的 H&E 染色切片，就能给出药物匹配建议，这为未来的伴随诊断提供了清晰的路径。

1. 药物失败的核心是病人选择，而非药物设计：Noetic 的创始论点是，90% 的癌症药物在临床失败，不是因为药理或靶点选得不好，而是因为无法提前识别出哪些病人会对药物有反应。临床试验往往“盲选”病人，导致信号被稀释。
2. 传统细胞系和动物模型是“弗兰肯斯坦”：目前药物研发依赖的癌细胞系（如 HeLa 细胞）已经存在了几十年，基因异常、表达模式与人体内任何细胞都不符。用这些数据做出来的预测，很难翻译到真实病人身上。Noetic 的策略是“零细胞系、零皮下移植”，全部使用人体组织数据。
3. 数据是核心护城河，且必须“有意为之”：Noetic 认为，在生物领域，不能像互联网公司那样“爬取”数据。他们类比 ImageNet 和 PDB 数据库，指出高质量、有设计的数据集是模型成功的前提。他们自建实验室，通过将同一个病人的样本分散到多个玻片上来控制批次效应，从而生成干净、可泛化的训练数据。
4. “虚拟细胞”是实用主义的模拟器：Noetic 的“虚拟细胞”模型不是要模拟所有生化反应，而是专注于解决实际问题：给定一个病人的肿瘤微环境，模型可以模拟“如果敲除某个基因会怎样”或“这个病人的免疫细胞状态如何”。这种模拟能力可以直接用于靶点发现和临床试验设计。
5. 推理阶段只需 H&E 染色，实现诊断闭环：模型训练时使用了昂贵的空间转录组等多模态数据，但训练完成后，在推理时只需要一张标准的 H&E 病理切片。这意味着，任何医院已有的病理数据都可以直接输入模型，为已上市或临床试验中的药物匹配病人，也为未来开发伴随诊断产品铺平了道路。
6. 用体内扰动实验验证模型预测：Noetic 开发了“PerturbMap”平台，在小鼠体内同时敲除上百个基因，形成带有不同基因型的人源肿瘤，然后用这些数据来验证其虚拟细胞模型的预测是否准确。这形成了一个“预测-验证”的闭环，增加了模型的可信度。

“我们不是在用细胞系做实验，我们是在用真实的病人生物学训练模型，然后让模型告诉我们，哪些病人应该用哪种药。”

这期内容对 AI 从业者最大的启发在于数据策略的极端重要性。在 AI 领域，很多人沉迷于模型架构的“军备竞赛”，但 Noetic 的故事提醒我们：在数据稀缺、信噪比低的领域（如生物），数据的质量、设计思路和生成流程，可能比模型本身更决定成败。

具体来说，有几点值得借鉴：

1. 不要迷信公开数据：Noetic 明确拒绝使用公开的细胞系数据，因为他们认为这些数据是“有偏的”、“不干净的”。这启示我们，在做垂直领域的 AI 产品时，如果公开数据与你的目标场景存在根本性的分布偏移，那么花大力气自建数据可能是唯一正确的路。
2. 数据设计要服务于模型训练：Noetic 不是先有模型再找数据，而是先想清楚“我需要什么样的数据来训练一个能泛化的模型”，然后反向设计数据生成流程（如跨玻片随机化来控制批次效应）。这种“数据优先”的工程思维，是很多 AI 团队容易忽略的。
3. 从“预测”到“模拟”的范式升级：Noetic 的模型不仅仅是做分类或回归（预测病人是否响应），而是做“世界模型”式的模拟（“如果敲除这个基因，肿瘤微环境会如何变化”）。这种从“预测”到“因果模拟”的跃迁，是 AI 在科学发现领域产生真正价值的核心方向。对于做 AI 产品的团队来说，思考你的模型能否从“回答是什么”进化到“回答如果会怎样”，是一个重要的产品方向。