宾大教授三度濒危自救成功，用AI挑战14000种绝症

15年前，在ICU待了六个月、三次濒临死亡的他接受了临终祷 告，并与女友、父亲和姐妹告别。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

15年后，他在《Possible》节目中，讲述自己如何利用AI把求生之战转变为拯救他人生命的故事。

David Fajgenbaum

他叫David Fajgenbaum，是一位医师、科学家、畅销书作者，也是宾大医学院获得终身教职的年轻教授之一。

Fajgenbaum在乔治城大学读本科时，被确诊患上一种罕见的免疫系统疾病——卡斯特曼病（Castleman），就连全球顶级医学专家也认为他已无药可救。

但Fajgenbaum不甘心接受医生的「死亡判决」，无数次尝试之后，他终于发现了关键的突破口——免疫系统中一条异常活跃的mTOR信号通路。

而原本用于防止肾移植排斥反应的药物西罗莫司（sirolimus）刚好可以抑制这个通路。

在Fajgenbaum的建议下，医生同意尝试使用西罗莫司治疗，没想到竟然真的救了他的命。

这次战胜死亡的经历，让Fajgenbaum意识到现存医疗体系中的一个巨大盲点：

它们主要被设计来治疗医生已知的疾病，而不是那些缺乏治疗方案的庞大病群；人类目前已知的疾病约有18,000种，其中约14,000种尚无任何获批的药物疗法。

这意味着全球数千种已获批药物往往被用于特定疾病，但从生物学角度看它们也许还有更多潜在用途尚未被挖掘。

这一发现让Fajgenbaum决定把「找到现有药物的新用途」，拯救像他和母亲那样曾经「别无选择」的病人作为自己的使命。

Fajgenbaum创立了一个非营利组织Every Cure，打造了一个名为MATRIX的AI系统，该系统可以吸收生物医学知识图谱，并预测哪些现有药物可能对尚无治疗手段的疾病有效。

Every Cure正式：通过重新利用药物帮助我们拯救和改善生命

如果按照当前全球大约4,000多种已获批药物和18,000种疾病来算，可能的组合多达7500万种，单纯依靠人类是难以评估的，但AI让这一切变得可能。

截至目前，Every Cure已经取得了令人惊叹的成果：

他们帮一位名为Michael的血管肉瘤患者（一种罕见且在以往几乎是必死的癌症）发现了新的治疗方法，使他在「被预言死亡」的九年中又相继见证了儿女生命最重要的时刻；

他们帮助芝加哥一位小女孩Kaila找到了一种现有免疫疗法，使她在所有标准治疗方案都失败后出现了好转；

他们帮助温哥华一位病危患者推荐TNF抑制剂，患者到现在病情已缓解两年半；

他们发现了一种名为DFMO药物的新用途，该药物最初为治疗昏睡病而开发，现在可能帮助患有罕见神经疾病「巴赫曼-布普综合征」的儿童恢复运动功能 ……

追寻自己的「解药」

想象一下，你生病了，你的身体开始衰竭，器官在一个个停止运作，但世界上最顶尖的医生直视你的眼睛说：

「我们不知道你得了什么……」

你感到虚弱、害怕、困惑，但这正是罕见病患者所面临的现实。

全球有超过10,000种罕见疾病影响着4亿人，然而其中95%的疾病没有任何经FDA批准的治疗。

这些罕见病由于长期研究资金不足，数据稀缺，而且医疗系统往往也过于碎片化，难以给出明确治疗方案。因此，对患者和他们的家庭而言，这样的打击是毁灭性的。

Fajgenbaum就曾是这些罕见病患者其中的一员。

他在重症监护室待了六个月，三次濒临死亡，他将一场原本属于自己的求生之战，转化为拯救他人生命的长期使命。

Fajgenbaum在乔治城大学读大四时，创立了一个以自己母亲名字命名的组织，两年前，他的母亲因罹患脑癌去世。

在母亲临终前，Fajgenbaum答应她要做两件事：

创建一个为失去亲人的大学生提供支持的组织；

要把一生献给为像母亲这样的病人寻找治疗方案。

在乔治城大学读书时，Fajgenbaum发现了一个令人吃惊的事实：

人类有18,000种疾病，其中14,000种一个获批疗法都没有。

在医学院关于某个疾病的问题通常会有一个「已知」答案，但事实上绝大多数疾病都没有FDA批准的药物。

正是这种差距造成了Fajgenbaum在2010年忽然罹患卡斯特曼病时的那种「既害怕又心碎」遭遇。

当时的他还是乔治城大学的一名25岁的大三医学生，同时还担任着校橄榄球队的四分卫，突然之间就坠落病危住院的深渊。

更要命的是，这一切急剧变化之中没有任何可被医疗确诊的依据。

这次打击彻底颠覆了Fajgenbaum对医疗的看法，他原以为每种病都会有答案，都会有针对的药物，只要去一流医院就会有解决方案，然而在他这次患病后，就连眼前的全球顶尖专家也束手无策。

当医生告诉他，没有更多在研药物、也没有希望的线索，不甘放弃的Fajgenbaum忽然想到：他刚刚使用了7种并非针对卡斯特曼的化疗药，而它们以前短暂见效了，会不会还有第8种「为其他病研发」的药也能用在自己身上？

于是他决定把剩下的时间都投入在利用现有药物来寻找新的治疗方案上。

他开始每隔几周把自己的血样存进实验室的冷冻柜，从血样数据分析中发现治疗机会。

终于在一次血样分析中发现在他的免疫系统里，有一条mTOR通路处于过度活跃状态，刚好有一种西罗莫司的药物可以抑制这种过度活跃，于是他开始在自己身上试用，这种药物辅助他将疾病缓解了十一年半。

2024年，Fajgenbaum在社交媒体上庆祝自己迎来治疗7年的缓解期。

治疗成功不仅让他能够坚持到婚礼，还让他有机会和妻子、女儿幸福地生活在一起。

Fajgenbaum称正是横向思维拯救了自己的生命。

「我没有十亿美元或十年时间从头开发一种新药。我的生存取决于一个关键策略：识别并重新利用为其他疾病制造的现有药物来治疗我自己的疾病。」

Every Cure的诞生

西罗莫司尝试的成功，让Fajgenbaum开始更进一步去为其他罕见病患者寻找新的药物。

他们先是帮助芝加哥一位叫Kaila的小女孩找到了另一种药，效果非常好。

接着，他们又为一位名叫Michael的血管肉瘤患者（Angiosarcoma）找到了另一种药。

这些「跨疾病」的成功案例，更加坚定了Fajgenbaum的想法。

2024年9月，他和挚友、AI工程师Grant Mitchell共同创办了非盈利组织Every Cure，把他们曾经在宾大实验室为将近十种不同疾病找到可用药这件事，通过AI真正实现规模化、自动化，并面向所有药物和疾病。

而实现这一目标的工具就是AI平台——MATRIX。

该系统会为每一种FDA获批药物（大约 4,000 种）对每一种人类疾病（约 18,000 种）做匹配。

如果把药和病做成一个矩阵，就是7500万种可能（4000×18000），Every Cure希望帮助人类在这7500万种可能中「排出优先级」。

MATRIX系统的底层基石是庞大的生物医学知识图谱，它利用「已知疗法」来训练算法，然后让算法对「每个药——每种病」的其他组合做预测并打出一个0到1的分数。

Every Cure会为「每个药——每种病」生成分数，然后展示给医疗团队。

此外，有一个「建议模式」（suggestions mode），专门提醒医疗团队关注那些「不明显但有意思」的组合：

比如算法给了0.99，但它还不是该病的标准治疗，医疗团队就会深入挖掘，比如通过生物医学知识图谱去做进一步调查。

当然，要在7500万种可能中做出选择非常具有挑战性，所以Every Cure会优先攻克「最糟糕的病」。

如何让AI真正帮助医学？

Every Cure以往的工作是横扫所有药、所有病，从7500万种可能中寻找药与病之间的匹配。

随着AI技术的推进，两年半前MATRIX系统刚推出时，生成「7,500 万个分数」需要100天，而现在只要17小时。

但是这还不够，Fajgenbaum还设想结合整条就医旅程，通过AI能为病人匹配到「对的医生、对的地点、对的药、对的诊断」。

如果沿着这个方向，就会有无限的延展空间。

Fajgenbaum表示，「患者影响」是Every Cure评判一切事的北极星指标，他们所做的一切事都必须思考「什么方式最能帮助患者」。

基于这一思考，Every Cure计划未来将所有预测结果（评分）公开，让医学领域的AI成为一种共享的公共资源，帮助全人类更快找到治疗之道。

当然，Fajgenbaum也强调这些评分只是一种候选项。对于不少疾病而言确实不存在「可再利用的现有药」，这时必须要考虑用新药。

在Every Cure的模式中，采用了「AI+人类」模式，许多环节都有人类的存在。

比如，他们建立了技术团队来做预测，技术团队也会有医学专家，他们会从「医生/研究者」的角度思考模型如何设计才能找出「真正可能有效的治疗」。

Every Cure还建立了医疗团队，医疗团队中的临床科学家和医生就会从「人的视角」去考虑是否需要做临床或者实验研究。

Fajgenbaum所追求的AI并非要取代人类，而是要放大人类的同理心和智慧，增进彼此关怀与服务的能力。

相比较「救命、延寿」，Fajgenbaum坦言他更喜欢聆听人们在经过治疗获得的「加时赛（overtime）」中做了什么。

比如有的病人会利用这段「原以为没有的时间」送孩子走上红毯，这对于Fajgenbaum来说，正是他工作的意义所在。

参考资料：

https://www.linkedin.com/pulse/possible-dr-david-fajgenbaum-repurposing-drugs-save-his-reid-hoffman-vqf2c/%20

https://www.possible.fm/podcasts/fajgenbaum/