AREX Feed Article
Google DeepMind 发帖称模型正让疾病更可检测、可治疗、可预防，链接页面列出 AlphaGenome Atlas 等落地案例
10 月 16 日 10:15（UTC，北京时间 18:15），Google DeepMind 官方 X 账号 发帖称：“与世界各地的科学家一道，我们的模型与工具正帮助让疾病更可检测、可治疗、可预防。”帖子举出两个方向——定位罕见遗传变异、加速药物发现——并附上一条短链，称那里可以看到公司“如何把实验室突破转化为真实世界诊疗”。帖文本身没有点名任何模型、病种或合作机构，也没有给出任何量化成效。
短链解析后指向 10 月 12 日（美国时间）发布的总结页《Applying technology to understand and treat disease》，上面列出了具体的名字和案例：AlphaGenome Atlas 基因变异预测目录、AlphaFold 帮巴塞罗那研究人员为恰加斯病筛出的两款已上市药、DeepVariant 与 DeepConsensus 支持的不到 8 小时全基因组诊断、从零设计酶的 AlphaProtein Novo、用于疫情预测的 Earth AI，外加乳腺 X 线筛查、DeepSomatic 突变检测和流感预测模型。帖子与页面均为 Google 单方宣传口径，其中一部分有外部文献可对照，一部分目前只有公司自己的说法。
帖子没点名任何模型，细节都在它链接的页面上
那条附带一段动图，截至发稿抓取时获得 40 次转发、431 个赞和 36,718 次浏览。真正承载内容的是它指向的：Google 官方博客健康栏目下的一篇总结，比帖子早四天发布，分三部分——“Decoding the mechanics of disease”（解析疾病的分子机制）、“Accelerating tools for medical solutions”（加速医疗解决方案的工具）和“Supporting medical providers with machine learning models”（用机器学习模型支持医疗服务方）。
页面开头给出的是公司自己的框架：Google 的健康研究与工具“横跨从基础细胞发现、实验室分析到患者影响”，过去五年发表 90 篇同行评审论文，累计被引用超过 90,000 次。除帖文点到的两个方向外，页面还列入与哈佛大学 Lichtman 实验室合作的纳米尺度人脑片段重建——数据通过 Neuroglancer 公开——以及果蝇、幼体斑马鱼和鸣禽的大脑图谱。这些描述均出自 Google 的自我总结。
定位罕见遗传变异：AlphaGenome Atlas 先给 90 亿种碱基变化算好预测
页面把定位罕见变异的难点归结为“背景噪音”：绝大多数突变并不产生实际影响，真正的致病变异被淹没其中。Google 页面称，AlphaGenome Atlas 是关于人类基因组单碱基变化如何影响分子过程的“最全面预测目录”。
DeepMind 9 月 8 日的补充了规模和做法：在实验室逐一测试这 90 亿种可能的突变并不现实，因此团队选择把 AlphaGenome 模型的预测提前算好——数据集达 1 PB，比 AlphaFold 数据库大 30 多倍，通过网站免费向学术研究开放。平台还提供把 AlphaGenome 与 AlphaMissense 两个模型的预测压缩成单一数值的 AVI 评分，编码区（约占基因组 2%）和非编码区（约 98%，大多数性状相关变异所在）都适用。
Google 页面举的应用例子来自埃克塞特大学：研究人员用 Atlas 在超过 54,000 人的基因组数据里检索，定位驱动关键循环蛋白丰度的具体变异，其中包括与衰老相关的 PLA2G7 和作为细胞氧气传感器的 EGLN1。
加速药物发现：虚拟筛选 30,000 种化合物，为恰加斯病找出两款已上市药
药物发现部分的例子来自巴塞罗那的全球健康研究所（Institute for Global Health, Barcelona）。据页面描述，该团队用 AlphaFold 对 30,000 种化合物做虚拟筛选，寻找对恰加斯病（Chagas disease）有抗寄生虫活性的分子——页面称这是一种被忽视的热带病，全球约 800 万人感染，不及时治疗可能出现危及生命的并发症。筛选最终找出两款已获美国 FDA 批准、可以重定位用于恰加斯病的药物，页面称这一路径“缩短了到治疗的时间”（time-to-treatment）。页面没有写出这两款药的名称，也没有给出从筛选到确认的时间线。
不到 8 小时的基因组诊断：与斯坦福的合作有 NEJM 通信和吉尼斯纪录
DeepVariant 与 DeepConsensus 是页面里外部记录最全的一项。Google 页面称，公司与斯坦福大学医学院在临床试验中用这两个工具帮助确定时间紧迫病例的遗传病因，把全基因组遗传诊断做到 8 小时以内，并称这一成绩被吉尼斯世界纪录收录。
提供了可核对的过程：这项 2022 年 1 月 12 日在线发表、题为《Ultrarapid Nanopore Genome Sequencing in a Critical Care Setting》的工作，在 2020 年 12 月至 2021 年 5 月间于斯坦福两家医院入组 12 名患者，其中 5 人获得初始遗传诊断；从血样送达实验室到初步诊断，最快一次用时 7 小时 18 分钟。信中描述的流程是纳米孔测序加上云端并行碱基识别与定制的变异优先级排序，DeepVariant 正是其中的变异识别工具（通信引用了它的方法论文）。诊断经 CLIA（美国临床实验室改进修正案）认证的实验室确认后直接进入临床决策，论文列出的处置包括交感神经切除术、心脏移植、后续筛查和药物调整。信中还记录了一名 3 个月大的癫痫婴儿：入组后 8 小时 25 分钟确诊为 CSNK2B 基因相关神经发育综合征；而入院时开出的癫痫基因 panel（针对一批基因的靶向检测）两周后才出结果，只显示多个意义未明的非诊断性变异。
（2022 年 7 月）补充了速度的另一头和一个人的结局：测序环节本身耗时 5 小时 2 分钟，团队凭此拿到吉尼斯世界纪录；13 岁男孩 Matthew Kunzman 因心肌炎心力衰竭送进斯坦福医院，测序显示病因在基因，他随即进入移植名单，并在一个月内接受了心脏移植。
从 AlphaProtein Novo 到 Earth AI：设计自然界没有的酶，更快识别埃博拉暴露风险
AlphaProtein Novo 是页面里最新的一项。页面称它是一条从第一性原理出发、创造“自然界不存在”酶的机器学习管线：实验室测试中，它设计出能合成关键药物基序的定制酶，也设计出能在极端条件下降解有害环境塑料的酶。10 月 5 日挂上 的预印本写得具体：作者来自 Google DeepMind，包括 Demis Hassabis 与 Frances H. Arnold；设计出的氮宾转移酶（nitrene transferase）以摘要所称“前所未有的产物选择性”合成药效团哌啶，另一些酶能在让天然酶变性的条件下降解环境毒素 DEHP；摘要还称这表明 de novo（从零开始）酶设计“首次”在应对具有挑战性的化学反应上胜过天然序列挖掘。
Earth AI 那一项触及的是公共卫生而非诊室。页面称，Google 把 Earth AI 模型与环境、天气、出行等数据结合，帮助公共卫生负责人预测疾病暴发、向脆弱社区送医；在世卫组织非洲区域办公室（WHO AFRO）与刚果（金）国家生物医学研究所（INRB）的新研究中，对话式地理空间模型替代了数周的人工编码，更快识别埃博拉的暴露与传播风险，让当地响应者得以提前部署移动实验室。
资金一栏也是公司口径：页面称 Google.org 在 2026 年已为此提供超过 6,000 万美元，受助方包括马凯雷雷大学传染病研究所（用 AlphaFold 和 AlphaMissense 预测疟疾耐药突变）和宾夕法尼亚大学（用 AlphaProteo 与 AlphaFold 设计针对实体瘤的新型细胞疗法）。
从乳腺筛查到流感预测：检测端的三组数字
页面把乳腺 X 线筛查放在“支持医疗服务方”一栏：与帝国理工学院及英国国家医疗服务体系（NHS）合作的两项《Nature Cancer》研究评估了其筛查系统，覆盖 125,000 名女性；据页面表述，系统找出了 25% 历史上被漏诊的“间期癌”（筛查间隔期出现的癌症），并显示专科阅片工作量最多可减少 40% 的可能。其中已于 2026 年 3 月 10 日见刊：它纳入英国两个 NHS 筛查中心的 50,000 名女性，8,732 例需仲裁的病例由 22 名阅片人判读，结论是在仲裁流程下用 AI 替代第二阅片人，敏感性与特异性不劣于双人工阅片（5% 非劣效边界）；论文同时指出，英国临床放射科医生缺口已达 30%，预计 2028 年升至 40%。
DeepSomatic 的数字属于儿童肿瘤：据页面，Children's Mercy Hospital 把这个公开可用的体细胞突变检测模型用于既往测序过的真实儿童白血病病例，在只有肿瘤样本可用的条件下，确认了全部已知变异，并检出 10 个此前漏检的突变。流感一项则是排名：页面称 Google 的流感预测模型在 CDC 对 2025～2026 流感季流感相关住院人数预测的评比中位列第一，胜过其余 38 个系统，该模型用公司内部的 Empirical Research Assistance 工具开发。
回到那条帖子：“更可检测、可治疗、可预防”是 Google 对自家工作的三词概括，帖文没有给出任何数字、病种或合作方。页面上能在外部记录里直接对应的，目前有 NEJM 那篇最快 7 小时 18 分钟确诊的通信、斯坦福医学院的吉尼斯纪录报道，以及《Nature Cancer》已见刊的研究；而论文总量、引用次数和投入金额这样的汇总数字，暂时只有 Google 自己的统计。