Applying technology to understand and treat disease

Google 正在使用 AI 帮助科学家理解疾病

将技术应用于疾病理解和治疗

2026年10月12日

|

分享下拉菜单

• x.com

• Facebook

• LinkedIn

• 邮件

• 复制链接

通过与科学家和研究合作伙伴协作，Google 正在帮助使疾病更易于检测、治疗和预防，目标是改善健康结果。

Yossi Matias

Google 高级副总裁 & Google Research 总经理

Pushmeet Kohli

Google DeepMind 科学高级副总裁 & Google Cloud 首席科学家

分享

Safari 浏览器的变通方案：当通过 <use> 引用外部 SVG 精灵中定义的线性渐变时，Safari 无法解析这些渐变。在此处内联它们可使它们在页面的 DOM 中可用。

您的浏览器不支持音频元素。

收听文章

[[duration]] 分钟

此内容由 Google AI 生成。生成式 AI 是实验性功能

语音

速度

0.75X

1X

1.5X

2X

阅读 AI 生成的摘要

Google 正在使用人工智能加速医学研究，从绘制人脑图谱到在八小时内识别遗传疾病。这些工具帮助科学家重新利用药物、设计定制酶，并提高癌症检测率，同时减少医生的行政负担。您可以探索这些开放访问平台和研究结果，了解技术如何在全球范围内改变患者护理和公共卫生结果。

摘要由 Google AI 生成。生成式 AI 是实验性功能。

• "将技术应用于疾病理解和治疗" 探索了 Google 的 AI 如何加速医学突破。

• AI 模型帮助科学家解码复杂生物学以加快药物发现和研究。

• 新工具实现快速基因诊断，并帮助医生更准确地检测癌症。

• 地理空间 AI 帮助公共卫生领导者预测疾病暴发并为紧急情况做准备。

• Google 提供开放访问平台和资金，帮助研究人员将发现转化为患者护理。

Google 正在使用 AI 帮助科学家在分子层面理解疾病。这些工具加速了药物发现，绘制了人脑图谱，并帮助医生更快诊断患者。该技术还能预测疾病暴发，使社区能够更早获得所需的护理。通过共享这些工具，Google 希望帮助全球研究人员开发更好的治疗方法，挽救更多生命。

#### 探索其他风格：

• 一般摘要

• 项目符号

• 基础解释

文章正文

Google 的健康研究和工具涵盖从基础细胞发现到实验室分析和患者影响的各个方面。在过去五年中，Google 团队发表了90篇同行评审的研究论文，探讨理解和应对疾病的方法，累计获得超过90,000次引用。基于我们对技术如何加速科学以改善生活的愿景，我们正在与临床医生、学术机构和研究人员合作，确保发现能够走出实验室，造福患者。以下是我们的努力如何帮助推进医学研究和公共卫生解决方案。

解码疾病机制

AlphaGenome Atlas 是目前最全面的预测目录，说明人类基因组中单字母变异如何影响分子生物学。

要有效治疗疾病，理解其在分子、遗传和细胞层面的运作机制至关重要。我们的早期生物学模型作为科学家的协作研究工具，揭示了自然界隐藏的运作规律，推动了医学发现的进展。

• 加速药物研发：巴塞罗那全球健康研究所的研究人员利用AlphaFold对3万种化合物进行虚拟筛选，寻找针对恰加斯病（一种影响约800万人的被忽视的热带疾病）的抗寄生虫活性。若不及时治疗，该疾病可能导致危及生命的并发症。这项研究帮助该研究所识别出两种经FDA批准的药物，这些药物可能被重新用于治疗恰加斯病，从而大幅缩短治疗时间。

• 绘制与衰老相关的遗传变异图谱：由于大量无影响的突变会产生“背景噪声”，识别与特定疾病相关的罕见遗传变化极具挑战性。埃克塞特大学的研究人员利用AlphaGenome Atlas分析了超过54,000名个体的基因组数据，精准定位了驱动人体内关键蛋白质（包括与衰老相关的PLA2G7和重要的细胞氧传感器EGLN1）循环的特定变异。

• 以纳米级分辨率重建大脑：我们与哈佛大学Lichtman实验室合作，以纳米级分辨率重建了一块人脑组织，并通过Neuroglancer公开发布了相关数据。此外，我们还绘制了果蝇、斑马鱼幼体和鸣禽等模式生物的大脑图谱。这些神经映射资源使研究人员能够更深入地研究大脑功能。

加速医疗解决方案的工具

由AlphaFold支持开发的蛋白质可视化图谱。

实验室是生物发现被验证、工程化并转化为潜在医疗和公共卫生解决方案的地方。我们的模型已取代缓慢的迭代流程，采用能够快速准确处理大量数据的系统。

• 通过超快速基因组测序支持遗传诊断：我们与斯坦福大学医学院合作，在临床试验中使用DeepVariant和DeepConsensus，帮助在紧急情况下确定遗传疾病的原因。该计划通过在不到八小时内完成全基因组测序实现遗传诊断，这一突破性成就也获得了吉尼斯世界纪录认证。

• 从零开始设计定制酶：我们推出了AlphaProtein Novo，这是一个从基本原理出发创建全新天然酶的机器学习流程。在实验室测试中，该工具成功设计了用于合成关键药物结构的定制酶，以及在极端条件下降解有毒环境塑料的酶，展示了设计超越自然界当前已知功能的蛋白质的能力。

• 支持主动公共卫生倡议：一个社区的健康与其地理环境密切相关。我们正结合环境、天气、移动性等数据，利用Google Earth AI模型帮助公共卫生领导者预测疾病暴发，并为弱势社区提供医疗支持。世界卫生组织非洲区域办事处（WHO AFRO）和刚果民主共和国国家生物多样性研究所（INRB）的新研究中，对话式地理空间模型取代了数周的手动编码工作，帮助更早识别埃博拉病毒暴露和传播风险，使地方响应人员能够主动部署移动实验室。

通过机器学习模型支持医疗提供者

新型乳腺X光筛查系统有助于发现历史上容易被遗漏的间隔期癌症，并减少专科医生的阅片工作量。

只有能够真正帮助患者的医学突破才有意义。我们的研究表明，机器学习模型不仅可以辅助疾病检测，还能减轻行政工作负担，使医疗提供者能够专注于患者护理。

• 标记历史上被遗漏的癌症特征：在与伦敦帝国理工学院和英国国家医疗服务体系（NHS）合作发表于《Nature Cancer》的两项研究中，我们对125,000名女性进行了乳腺X光筛查系统的评估。该系统发现了25%历史上被遗漏的间隔期癌症，同时显示出可将专科医生阅片工作量减少多达40%的潜力——这可能为面临严重放射科医生短缺的医疗系统提供关键的缓解措施。

• 揭示隐藏的儿科白血病突变：当Children’s Mercy医院将DeepSomatic应用于先前测序的真实世界儿童白血病病例时，该工具确认了所有已知变异，同时检测出10种此前被遗漏的突变——尽管面临仅使用肿瘤样本的挑战。DeepSomatic是公开可用的，有潜力为临床判断患者的患病风险和靶向治疗提供参考。

• 预测全球流感高峰：由美国疾病控制与预防中心（CDC）在2025-2026年流感季预测流感相关住院人数方面排名第一的Google流感预测模型，使用我们的经验研究辅助工具开发，该模型的表现优于其他38个系统，准确匹配了观察到的住院人数，展示了这项技术如何帮助公共卫生官员预测医疗需求并更好地为季节性疫情做准备。

每个人都能触及更好的健康

实现健康转型需要科学家、研究人员和机构携手合作。这就是我们为科学界提供先进模型和开放平台的原因，以推动突破性研究，并提供他们所需的慈善资金和计算能力来应用这些研究。

通过Google.org，我们正在支持像乌干达马凯雷雷大学传染病研究所这样的组织，利用AlphaFold和AlphaMissense预测疟疾药物耐药性突变，以及宾夕法尼亚大学利用AlphaProteo和AlphaFold设计新型细胞疗法，以增强实体瘤和复杂疾病的治疗。到2026年，Google.org已向全球应用先进模型以改变我们理解和治疗疾病方式的组织提供了超过6000万美元的资金。

通过在疾病发展的每个阶段采取行动，我们可以将最棘手的人类健康挑战转化为可操作的解决方案，帮助世界各地的人们活得更久、更健康。

在您的收件箱中获取最新的Google新闻

订阅我们的时事通讯，获取产品更新、活动信息、特别优惠等。

完成。只需再完成一步。

检查您的收件箱以确认订阅。

您也可以使用不同的电子邮件地址进行订阅。

您的信息将按照Google的隐私政策使用。您可以在任何时候选择退出。

发布于：