Anthropic表示，其AI模型Claude识别出一种分子机器，可能指向一种新的基因编辑方式。这一发现为首席执行官达里奥·阿莫代伊关于AI可在5至10年内帮助治愈大多数重大疾病的预测提供了背景。但这种分子机器的生物学功能仍不清楚。有前景的研究线索，与已证明对人体安全有效的疗法，是两个不同的里程碑；AI或许能缩短临床试验前的研究过程，却未必能缩短试验本身的每个环节。
这一发现说明了什么，又不能说明什么
分子机器是由分子组成、执行某种生物学功能的结构。Claude的发现可能提示一种新的基因编辑机制，但其功能尚未得到确认。研究人员需要弄清它的作用，并验证任何拟议用途，之后才能将其视为开发疗法的路径。
这一区别是评估5至10年预测的关键。AI可以帮助提出或审查研究线索。但这项公告本身并不能证明基于这一特定发现的疗法对人体有效，也不能证明它能应对大多数重大疾病。要得出这些结论，还需要生物学研究和医学试验提供证据。
▲ 医学测试所需时间
关键问题不在于AI能否更快取得发现，而在于从发现走向治疗的哪些环节可以加速，哪些环节取决于对人的持续观察。
为什么临床证据需要时间
临床试验需要检验的不只是疗法是否立即产生效果。试验还必须确定它能否帮助患者、适当剂量是多少、会出现哪些副作用，以及获益或伤害是否持续。这项工作涉及几项不同的要求：
- **招募：**研究人员需要足够多愿意参与试验的人，才能评估拟议的疗法。
- **对照：**试验可能将参与者分为治疗组、对照组和安慰剂组，并评估不同的剂量水平。
- **随访：**研究人员必须追踪短期结果、长期有效性、副作用和意料之外的毒性。
AI分析或许能加快部分研究，但无法让长期效果更早出现以供观察。分析速度加快，也不能免去招募合适参与者和设置对照的必要性。正因如此，5至10年的预测不能被当作多种疾病获得已证实治愈方法的时间表，这是最主要的限制。
这一预测更适合被理解为对潜力的判断，而不是临床证据已经证实的时间表。某种疗法是否适合患者，应由医疗专业人员决定，而不是由AI预测或初期研究公告决定。
生物学风险改变了评判标准
有助于探索基因编辑的工具，也引出实验隔离方面的问题。湿实验室处理的是实体生物材料，而不只是计算机数据。当自动化系统从提出想法发展到影响这类实验室的实际工作时，错误造成的后果可能不止于软件输出有误。
CRISPR是一项基因编辑技术。与之一起受到讨论的基因驱动，旨在让遗传变化传递给后代。这种可能性使理解编辑的影响和确保实验得到有效隔离变得尤为重要。这并不意味着Claude报告的分子发现本身就是基因驱动，而是说明涉及可遗传变化的方案为何需要审慎审查。
▲ 自动化生物实验室隔离防护
审慎的做法是让自动化系统处于人工监督之下；除非其参与敏感实验室操作的权限得到授权并受到管控，否则应将其与这类操作隔离。物理和数字隔离、访问限制以及持续监测，是针对可能影响生物材料的工作所采取的防护措施。这些属于治理原则，不能代替科学审查。
答案仍需解释
AI也可能给出人们难以核验其中间推理过程的结果。这通常称为黑箱：系统给出结果，却未充分说明它是如何得出的。在数学领域，如果给出一个答案却没有人类可核验的证明，工作的重要一环就仍未完成。生物学也面临类似挑战：研究人员需要检验拟议的机制究竟起什么作用，而不能仅仅接受模型的建议。
问题不在于用AI提出想法，而在于让未经验证的输出代替解释、实验或可追责的决策。错误可能造成的后果越严重，独立验证就越重要。
如何判断下一项主张
Claude报告的发现可能具有价值，AI也可能帮助研究人员更快取得有用发现。但这两种可能性都不能证明已找到治愈方法。读者应清楚区分拟议的机制、经过验证的生物学功能，以及经过一段时间的安全性和有效性测试的疗法。
对研究团队而言，实际工作的重点是独立核查AI输出、对生物学工作保持人工监督、为自动化实验室系统设置隔离措施，以及在临床试验安排中为观察效果留出足够时间。对其他人而言，5至10年的预测意味着要持续关注证据，而不是认为在证据出现前就可以作出医疗决定。