OpenAI用4000万美元投向癌症疫苗！此前，AI已经设计出肺癌新药

发布时间：2026-09-24  作者：盛诺一家  更新时间：2026-09-24

9月15日，美国北卡罗来纳大学宣布了一笔不同寻常的资金：OpenAI Foundation拿出4000万美元，投向癌症疫苗研究。

（来源：Wikimedia Commons）

获得这笔资金的，是美国国家癌症研究所指定综合癌症中心——UNC Lineberger Comprehensive Cancer Center。

研究人员准备利用真实患者的肿瘤组织和免疫细胞数据，训练AI寻找更合适的癌症疫苗靶点，并在临床研究中比较不同个体化疫苗方案激活抗肿瘤免疫反应的能力。

首批重点研究方向之一，就是三阴性乳腺癌。

两天后、9月17日，顶级学术期刊《Science》又正式发表了另一项研究：斯坦福大学团队建立了一家特殊的“生物科技公司”。

没有办公楼，没有员工工资，却可以一次调动37075个AI“科学家”。

这家“虚拟药企”分析了55984项临床试验，做了一件更接近真实制药公司的事情——针对肺癌，设计出一种药物治疗方案。

斯坦福大学James Zou教授，其团队建立了由数万个AI agent组成的“虚拟药企”（来源：Stanford University)

一边是，OpenAI开始把重金投向癌症疫苗；另一边，数万个AI agent已经开始参与抗癌药物研发。AI和癌症的关系，正在从“帮医生看数据”，逐渐走到新药研发的更上游。

而对癌症患者来说，最值得关注的不是AI本身。而是——它有可能让新的治疗机会出现得更快。

个体化癌症疫苗，盛诺一家公众号此前已经介绍过很多次。

今年8月，Moderna与默沙东宣布，个体化mRNA新抗原疗法intismeran autogene（mRNA-4157/V940）+帕博利珠单抗，在完全切除的ⅡB-Ⅳ期黑色素瘤患者中取得Ⅲ期研究阳性结果。

研究同时达到无复发生存和无远处转移生存两个重要终点。这也是个体化新抗原治疗首次取得Ⅲ期阳性结果。

Moderna用于癌症疫苗生产的mRNA制造洁净室

（来源：《WIRED》报道）

所以，今天癌症疫苗真正面对的问题，已经不只是“这条路能不能走”，而是怎样走得更准、更快。

因为个体化癌症疫苗首先需要解决一个非常现实的问题：一个患者的肿瘤里可能存在大量突变，到底应该选择哪几个作为疫苗攻击的靶点？

并不是每一种突变都值得做成疫苗。有些无法产生足够强的免疫反应，有些只存在于少部分癌细胞，还有一些看上去很好，真正进入人体以后效果却可能有限。

OpenAI此次投入的核心之一，就是帮助研究团队利用大量真实肿瘤及免疫数据，更准确地找出这些值得攻击的抗原。也就是说，OpenAI并不是拿4000万美元让ChatGPT“写出一支癌症疫苗”。

它想帮助解决的是癌症精准治疗越来越常见的一道难题：数据太多以后，怎样从里面更快找到真正有用的那个答案？

相比OpenAI的癌症疫苗项目，斯坦福团队做得更加激进：他们把一家生物科技公司的组织形式直接搬进了AI系统。

最上层有AI“首席科学官”，下面再分成不同专业团队，负责靶点分析、药物形式选择、安全性、临床研究等工作。

一次大规模任务中，系统同时调度了37075个“临床试验专家”agent，对55984项临床试验进行整理和分析，结果发现了一个有意思的规律：与作用范围比较广泛的靶点相比，那些更精准作用于特定细胞类型的药物靶点，历史数据中最终进入市场的可能性高约48%，不良事件率低约32%。

接着，研究人员给AI出了另一道题：如果要针对肺癌里的B7-H3靶点研发一种治疗，应该怎么做？

（来源：Stanford Medicine）

B7-H3，也叫CD276，并不是一个新发现的癌症靶点。此前科学家已经知道，它在包括肺癌在内的多种恶性肿瘤中存在较高表达。

但AI重新整合了单细胞数据、空间转录组、遗传学及临床数据后，进一步分析了B7-H3在肿瘤微环境中的作用。

最后，它给出的药物开发方案是：B7-H3 ADC。也就是让一枚能够识别B7-H3的抗体去寻找目标细胞，同时携带强效药物，把杀伤载荷送到肿瘤附近。

斯坦福医学中心官网把这一成果直接概括为：这家虚拟药企“设计了一种肺癌治疗”。

Nature随后也专门报道了这一研究。

（来源：Nature）

AI给出的B7-H3 ADC方向，并不是只存在于电脑里的概念。现实世界中，多款B7-H3 ADC已经进入人体临床研究。

其中最接近监管批准的一个，就是日本第一三共与默沙东共同开发的ifinatamab deruxtecan（I-DXd）。

在既往已经接受过治疗的广泛期小细胞肺癌患者中，Ⅱ期IDeate-Lung01研究显示：I-DXd让48.2%的患者肿瘤明显缩小或消失。

2025年，这款药获得美国药监局（FDA）突破性疗法认定。今年4月，FDA又正式接受其上市申请，并给予优先审评；FDA目前计划在2026年10月10日前作出监管决定。

需要说明的是，I-DXd并不是斯坦福AI发明的。

ifinatamab deruxtecan（I-DXd）结构示意图

（来源：第一三共）

第一三共和默沙东拥有自己独立而且更早开始的研发计划。而AI通过独立分析大量生物学和临床数据推导出来的治疗方向，与现实世界正在快速走向临床的抗癌药研发路线高度吻合。

这意味着AI在癌症领域的价值，正在从过去比较熟悉的读片、整理病历、分析论文，继续向前移动：它开始帮助研究人员决定——

• 什么靶点值得做药？

• 应该做成什么药？

• 又有哪些患者最值得优先研究？

把最近这些事情连起来看，会发现一个很清晰的变化。

一边是癌症疫苗。Moderna和默沙东的个体化新抗原治疗刚刚取得Ⅲ期阳性结果；而截至目前，美国仍有新的intismeran autogene临床研究在招募，包括黑色素瘤以及非小细胞肺癌等方向，研究中心涉及Fred Hutchinson Cancer Center、UCSF、Moffitt Cancer Center等美国医疗机构。

另一边是ADC。B7-H3已经从一个研究靶点，走到了FDA优先审评。

而在两条路径背后，AI正在进入过去完全由科学家和药企研发团队承担的环节：处理海量临床试验、分析肿瘤数据、筛选靶点、设计药物开发策略。

AI分析数千项临床试验结果，设计肺癌药物

（来源：Nature）

这对于癌症患者真正值得期待的，不是未来突然出现一个能够“包治所有癌症”的AI。

而是：

• 更多靶点被找到；

• 更多失败概率较高的方向能够更早被淘汰；

• 一些以前因为癌种太少、分型太复杂而难以开发的疾病，也可能更快找到值得验证的治疗方案。

最终，它有机会转化成患者最关心的东西——更多药，更多临床试验，以及下一次治疗的可能。

对于真正正在治疗中的癌症患者来说，这也是医学发展越来越快以后，一个很现实的问题。

看到“癌症疫苗”“B7-H3 ADC”“双抗”“细胞治疗”等新闻并不困难。困难的是：我的癌症有没有对应机会？

同样是肺癌，小细胞肺癌和非小细胞肺癌完全不同；同样是非小细胞肺癌，不同基因突变、病理类型、治疗线次，又可能对应完全不同的临床研究。一项美国正在招募的临床试验，通常还会具体规定患者年龄、疾病分期、既往用过哪些药、器官功能、体力状况以及分子标志物等条件。

因此，一个新药“已经进入临床”，和一个具体患者“能够获得这项治疗”，中间最重要的一步就是：把全球治疗机会与自己的病例真正匹配起来。

AI生成示意图

这也是盛诺一家长期开展全球医疗服务的一个重要方向。

对于复发转移、罕见癌、少见分子亚型、国内标准治疗逐渐遇到瓶颈，或者希望寻找海外新药和临床试验机会的患者，盛诺一家可以根据病理诊断、基因检测、既往治疗等资料，协助检索和筛选全球新药及临床试验信息，并进一步匹配海外癌症专家和医院，安排第二诊疗意见以及后续赴海外诊疗服务。

例如，当患者看到一项美国癌症疫苗或者ADC研究时，真正应该继续查下去的是：

• 这项研究现在是否仍在招募？

• 我的病理和治疗史是否初步符合条件？

• 哪个研究中心正在开展？

• 是否应该先让该领域专家重新评估病情？

• 如果临床试验不合适，还有没有其他已经上市或正在研究的新药选择？

最终能否入组，当然需要研究中心根据完整病情正式评估。

但对于已经在寻找下一步治疗机会的患者，把全球这张治疗地图查完整，本身就可能是一件很有价值的事。

如果您或家人正面临复发转移、罕见癌或现有治疗选择有限，希望进一步了解癌症疫苗、ADC、双特异性抗体、细胞治疗等海外新药及临床试验机会，可以拨打免费咨询电话 400-875-6700 联系我们，由专业医学团队根据具体病情进行全球医疗资源匹配和就医路径评估，寻求更多治疗可能。

OpenAI拿出4000万美元投入癌症疫苗。

斯坦福让37000多个AI“科学家”分析数万项临床试验，并设计出B7-H3肺癌治疗方案。

而现实世界中，癌症疫苗已经取得Ⅲ期阳性结果，B7-H3 ADC距离美国FDA的监管决定也只剩下很短时间。

这些事情真正值得癌症患者关注的，并不是AI又完成了一次多么炫目的技术展示，而是癌症新药研发正在拥有越来越强的工具。

当全球治疗选择变得越来越多，患者需要的不只是知道“又有一个新药”。

更重要的是知道：这一次新的机会，会不会恰好与自己的病情有关。

（来源：摄图网）

参考来源：

1.UNC Health / UNC Lineberger Comprehensive Cancer Center：《UNC Lineberger Secures $40M from OpenAI Foundation to Make Cancer Vaccines More Effective》，2026年9月15日。

2.Zhang HG, et al. The Virtual Biotech: A multi-agent AI framework for therapeutic discovery and development. Science, 2026年9月17日，DOI: 10.1126/science.aeg6779。

3.Stanford Medicine：《Virtual biotech company puts thousands of AI scientist agents to work on drug discovery》，2026年9月17日。

4.Nature：《How a team of AIs discovered a promising lung-cancer drug》，2026年9月17日。

5.Merck / Moderna：INTerpath-001Ⅲ期黑色素瘤研究阳性结果，2026年8月19日。

6.Daiichi Sankyo / Merck：IDeate-Lung01Ⅱ期研究及ifinatamab deruxtecan美国FDA优先审评资料。

7.ClinicalTrials.gov：intismeran autogene相关美国临床研究及招募信息。