谷歌正将 AI 从医疗问答与影像识别扩展到疾病研究早期环节，涵盖基因与蛋白质变异分析、虚拟药物筛选、加速基因诊断以及地理空间公共卫生预警，但这些成果仍需实验、临床验证与监管审查才能转化为临床效益。
谷歌正在把人工智能从医疗问答和影像识别，进一步推进到疾病研究的更早环节：理解基因和细胞如何发生变化、筛选可能的药物、缩短基因诊断时间，并帮助公共卫生部门预测疾病传播风险。
谷歌研究副总裁兼 Google Research 总经理 Yossi Matias，以及 Google DeepMind 科学副总裁、Google Cloud 首席科学家 Pushmeet Kohli，在 2026 年 10 月 12 日发布的官方文章中说，谷歌过去五年围绕疾病理解与治疗发表了 90 篇同行评审论文，累计获得超过 9 万次引用。这个数字和文章中列出的案例，展示的并不是一种已经可以独立治病的“医疗 AI”，而是一套试图把计算模型、实验室、临床机构和公共卫生系统连接起来的研究路径。
从蛋白质结构到疾病机制
谷歌把这套路径的起点放在分子、遗传和细胞层面的疾病机制上。疾病研究往往首先需要回答一个基础问题：某种基因变异、蛋白质变化或细胞过程，究竟如何改变人体功能。
在药物发现方面，谷歌称，巴塞罗那全球卫生研究所的研究人员使用 AlphaFold 对 3 万种化合物进行了虚拟筛选，以寻找对抗恰加斯病的潜在活性。恰加斯病是一种被忽视的热带疾病，约有 800 万人受到影响，若不治疗可能造成严重并发症。研究团队据此识别出两种已经获得美国食品药品监督管理局批准、但可能被重新用于治疗恰加斯病的药物。
这一案例并不意味着 AlphaFold 已经找到一种新药，也不能证明虚拟筛选结果必然转化为临床疗效。它更准确的作用，是在大量候选化合物中缩小实验范围，把研究人员的时间集中在较值得验证的对象上。
类似逻辑也出现在 AlphaGenome Atlas。该资源对人类基因组中约 90 亿种单核苷酸变异的潜在分子影响进行预计算，研究人员可以查询一个变异可能如何影响基因调控、RNA 剪接和其他分子过程。谷歌此前发布的 AlphaGenome Atlas 介绍称，这一数据集规模约为 1 PB，研究人员可以通过查询而不是每次从头运行模型来筛选候选变异。
谷歌在本次文章中说，英国埃克塞特大学的研究人员使用 AlphaGenome Atlas 分析超过 5.4 万人的基因组数据，寻找与衰老相关的 PLA2G7 以及参与细胞氧感知的 EGLN1 等关键蛋白质的遗传调控因素。这里的重点不是让模型直接给出某个人的疾病诊断，而是帮助研究人员从巨大的遗传“背景噪声”中找出更值得进行实验验证的信号。
谷歌也提到与哈佛大学 Lichtman 实验室合作的神经科学项目：研究团队重建了人类脑组织的一小段纳米尺度结构，并通过 Neuroglancer 公开相关数据，同时绘制了果蝇、斑马鱼幼体和鸣禽等模式生物的大脑。这些资源面向的是脑功能研究，而不是面向患者的临床治疗。
计算模型开始进入实验室和诊断流程
谷歌强调，模型的价值不只在于提出假设，还在于把假设更快带入实验室和临床流程。
在遗传疾病诊断方面，谷歌与斯坦福大学医学院合作，将 DeepVariant 和 DeepConsensus 用于时间紧迫的临床试验。谷歌研究团队表示，该项目借助全基因组测序在不到八小时内完成遗传诊断，并帮助促成了可能挽救生命的干预；这一成绩还获得了吉尼斯世界纪录的认可。相关背景可参见 Google Research 对全球合作与开放基因组资源的介绍。
这类应用的价值在于时间：对于一些病情进展迅速、需要尽快确定遗传原因的病例，诊断速度可能影响医生能否及时采取干预。但“不到八小时”描述的是特定项目和流程中的表现，并不代表所有医院、所有测序平台或所有遗传疾病都能复制相同速度。
谷歌还发布了 AlphaProtein Novo，一套从第一性原理出发设计新型酶的机器学习流程。谷歌称，实验室测试显示，该系统设计出的部分酶可以合成关键药物结构，另一些则能在极端条件下降解有毒环境塑料。这些结果说明模型可以帮助设计自然界中尚未发现的蛋白质，但真正的医学或工业价值仍取决于后续实验、稳定性、生产成本和安全性。
在肿瘤研究方面，谷歌称 Children’s Mercy Hospital 将 DeepSomatic 应用于此前已经测序的真实儿童白血病病例，确认了已知变异，并发现了 10 个此前遗漏的突变。DeepSomatic 已公开提供，潜在用途包括辅助判断患者风险和靶向治疗方向。不过，公开模型并不等于已经通过所有临床监管流程，医院仍需结合自身样本、流程和专业判断进行验证。
从疾病检测到公共卫生预警
谷歌的医疗研究也延伸到个体患者之外。公司表示，正在把地理空间、环境、天气和人口流动数据结合起来，帮助公共卫生部门更早发现疾病传播风险。
在与世界卫生组织非洲区域办事处以及刚果民主共和国国家生物医学研究院的合作中，谷歌称，地理空间模型帮助研究人员在埃博拉疫情相关场景下识别暴露聚落和潜在风险人口，并把原本可能需要数周的手工数据处理缩短到数分钟。AIFlux 对这一项目的[报道](https://aifluxnews.com/%E8%B0%B7%E6%AD%8C-earth-ai-%E8%BF%9B%E5%85%A5%E5%85%AC%E5%85%B1%E5%8D%AB%E7%94%9F%E5%89%8D%E7%BA%BF%EF%BC%9A%E4%BB%8E%E5%9F%83%E5%8D%9A%E6%8B%89%E9%A3%8E%E9%99%A9%E5%9C%B0%E5%9B%BE%E5%88%B0%E7%96%BE/】指出，这类系统仍属于研究原型，不是经过监管认证的临床或疫情决策系统。
谷歌还说，相关模型被用于估计心血管疾病死亡率、推断跨境麻疹—腮腺炎—风疹疫苗接种率，以及预测墨西哥登革热变化。对公共卫生机构而言，及时性可能比单纯提高某个离线指标更重要：如果模型能在正式统计数据形成前提供较可靠的风险线索，地方机构就有机会提前安排实验室、人员、药品或疫苗。
但这也带来明显限制。人口流动、搜索趋势和地点活跃度只能提供群体层面的间接信号，不能替代病例记录，也不能单独确认某个人是否感染。一个模型在美国县级数据上表现良好，也不代表它可以直接迁移到刚果民主共和国的偏远地区。模型输出最终能否转化为实际效果，还取决于当地是否拥有足够的实验室、医护人员、交通条件和跨境协作能力。
在流感预测方面，谷歌称其模型在美国疾病控制与预防中心对 2025—2026 流感季住院人数预测的回顾性评估中排名第一，超过其他 38 个系统。谷歌的另一篇官方说明称，该模型由 Empirical Research Assistance 工具协助构建。这是预测能力的评估结果，而不是证明模型已经减少了流感病例或住院人数。
从研究成果到患者之间仍有一道验证链
医疗 AI 最容易被误读的地方，是把研究指标直接等同于患者获益。谷歌文章中提到的 90 篇论文、3 万种化合物、90 亿种基因变异、不到八小时诊断和流感预测排名，分别属于论文产出、虚拟筛选、数据库规模、特定临床流程和预测评估，不能放在同一层面比较。
更重要的是，模型发现候选机制，并不等于疾病机制已经被证实；模型提出可能的诊断方向，也不等于患者已经得到临床诊断；模型提前识别高风险地区，也不等于疫情已经得到控制。每一个环节都需要实验、同行评审、临床验证、监管审查和地方专业人员的判断。
谷歌与医疗机构合作开展的另一项近期研究，也显示出这种边界。AIFlux 对[谷歌医疗 AI 辅助就诊前问诊研究](https://aifluxnews.com/%E7%A0%94%E7%A9%B6%E6%98%BE%E7%A4%BA%EF%BC%9A%E8%B0%B7%E6%AD%8C%E5%8C%BB%E7%96%97-ai-%E6%9C%89%E6%9C%9B%E6%8A%8A%E5%B0%B1%E8%AF%8A%E5%89%8D%E9%97%AE%E8%AF%8A%E5%8F%98%E6%88%90%E5%8C%BB%E6%82%A3/】的报道显示，系统可以在患者就诊前收集信息并生成摘要，但研究采用单中心、单臂设计，仍需要更大规模的对照研究来判断它是否真正改善健康结果、降低成本或减轻医生负担。
这可能是谷歌此次公布整套疾病研究路线时最值得注意的信号：AI 的近期角色更可能是研究助手、筛选工具、数据处理层和受监督的临床辅助系统，而不是独立的“虚拟医生”。
谷歌押注的是一条完整的科学转化链
谷歌表示，2026 年以来，Google.org 已向全球使用先进模型研究和治疗疾病的组织提供超过 6000 万美元支持，其中包括乌干达马凯雷雷大学传染病研究所，以及利用 AlphaProteo 和 AlphaFold 探索实体肿瘤细胞疗法的宾夕法尼亚大学团队。
这些资金、开放资源和计算能力，构成了谷歌战略中的另一层：模型本身只是基础设施，真正的影响取决于研究机构能否获得数据、算力、实验设备和长期合作。对谷歌而言，这也让 AlphaFold、AlphaGenome、DeepSomatic、地理空间模型和预测工具从单个产品，逐步组合成一套覆盖“发现—验证—部署”的科学工具链。
但这条链条能否转化为更好的健康结果，还要看三个问题：模型预测能否在不同人群和地区稳定复现，医疗机构能否承担必要的人工审查与数据治理，以及公共卫生部门能否把提前获得的风险信号转化为及时行动。
人工智能或许可以让科学家更快发现疾病机制、减少无效实验，并帮助卫生部门更早看到风险。至于这些发现最终能否成为安全、可负担且普遍可用的治疗方案，仍然要由实验、临床和公共卫生系统共同回答。
来源： Google 官方文章、Google DeepMind AlphaGenome Atlas、Google Research 全球合作与开放资源、Google 流感预测说明。