Daphne Koller用八年时间阐述一个观点：机器学习可以提高药物成功通过研发的概率。到2026年，这一主张将迎来迄今最直接的检验。英西特罗（Insitro）拥有全部权益的首个项目CTRO-1013正准备开展首次人体试验，用于治疗代谢功能障碍相关脂肪性肝炎（MASH）。该公司称，人工智能帮助其从与肝脏脂肪相关的480个遗传信号中确定IRS1是最有力的靶点，随后发现该靶点与纤维化的关联，并设计出一种靶向肝脏的基因沉默疗法。
六月公布的临床前数据进一步提供了支持证据。在小鼠模型中，降低IRS1水平后，与纤维化进展和肝细胞损伤相关的生物标志物以及肝脏脂肪均有所下降。人类遗传学分析显示，校正脂肪因素后，纤维化信号依然存在，支持其作用机制不止于脂肪变性。Insitro当时仍在开展进一步的机制和组织分析，并预计该项目将在2026年进入人体试验阶段。
资格本身就是故事。CTRO-1013尚未在患者中显示出安全性、靶点结合或疗效。其抗纤维化证据包括生物标志物和动物模型，而非临床结局。Koller已为 insitro 建立约8亿美元的资本和合作收入、广泛的专有数据、实验室自动化能力，以及与Bristol Myers Squibb、Eli Lilly和Gilead的合作关系。即将开展的试验将显示，这一基础设施是否在进入临床前压缩了不确定性，抑或仅仅为通往同一生物学结论的一条更复杂路径提供了资金。
平台终于引出了产品问题
Insitro的模式结合了人类遗传学、临床表型、工程化细胞系统、高内涵成像、机器学习和药物设计。其设想的闭环十分清晰：从人体中的因果信号入手，在细胞中重现与疾病相关的生物学机制，对其进行大规模扰动，选定靶点并设计药物。每个阶段产生的数据都会改进下一个模型。理论上，这能减少两大失败原因：选中的生物学机制对人体并不重要，以及所创造的分子药理特性不佳。
其商业吸引力十分强大。药物研发为许多项目投入巨资，但这些项目在历经多年化学研究和动物实验后仍告失败。临床成功概率即使只是小幅提高，其价值也可能远高于候选分子生成速度的大幅提升。科勒始终让 insitro聚焦因果生物学，而非将人工智能描述为自动化的化学机器。
CTRO-1013让这一理念具备了可审计性。IRS1并非模型凭空创造的冷门靶点，而是一种在代谢过程中发挥复杂作用的核心信号蛋白。人类遗传学关联证明了其相关性，同时也引出了有关全身性影响的问题。肝脏靶向沉默方案旨在将作用范围局限于肝脏。试验必须确定这种局部化是否充分、降低IRS1水平是否安全，以及其对脂肪和纤维化的影响是否具有临床意义。
MASH是一个极为严苛的试验场。其疾病进展缓慢且异质性强。肝活检一直是重要但具有侵入性的终点指标；无创生物标志物虽在改善，却无法解决所有监管问题。该领域如今已有获批及处于后期开发阶段的竞争产品，提高了实现差异化的门槛。一种新疗法可能需要证明其具有抗纤维化效果、适合长期使用的耐受性，以及与同样可改善肝病的减重及代谢药物联合应用的价值。
里程碑付款为等待期提供资金
Insitro并非只依赖股权融资。该公司称，截至2025年底和2026年初，其从与大型制药集团的合作中获得了约1.5亿美元收入。2026年3月，百时美施贵宝从双方在肌萎缩侧索硬化症领域的合作中选定了另外两个靶点，由此触发一笔1000万美元的里程碑付款。Insitro正在自行推进针对首个肌萎缩侧索硬化症靶点的寡核苷酸项目，同时为百时美施贵宝推进针对同一生物学机制的小分子项目。
这一安排发挥了多重作用。合作伙伴的资金可在不立即稀释股权的情况下延长资金续航期。大型制药公司能够提供研发专长和外部验证。多种技术路径可以检验靶点是否稳健，而非仅对某一种分子有效。Insitro既保留了获取专有价值的路径，也能将平台的一部分变现。
这也让评估变得更加复杂。里程碑只能证明合同条件已经满足，并不能证明药物有效。高达数十亿美元的潜在交易价值，建立在未来多项成功及商业事件成真的假设之上，而这些可能永远不会发生。平台型公司可以通过提名靶点展现产出，同时推迟临床试验非成即败的风险。科勒决定推进一项全资拥有的资产，避免这种模糊状态无限期地定义公司。
2025年与礼来的合作增加了另一种收入模式。Insitro正利用礼来数十年的临床前数据构建机器学习模型，以预测小分子的吸收、分布、代谢、排泄、毒性及体内行为。更准确的预测有望减少漫长的优化周期和动物实验。这些模型将通过礼来更广泛的平台，供Insitro、礼来及指定合作伙伴使用。这意味着Insitro即使尚未售出药物，也能创造实用价值，但也意味着部分平台价值将由各方共享，而非由其独占。
数据规模不等于生物学真相
Insitro的竞争主张部分建立在规模庞大、结构一致的多模态数据集之上。质量和一致性至关重要，因为来自不同实验室的生物数据集，往往包含比疾病信号更强的技术差异。在受控条件下生成数据，可以为机器学习提供更纯净的基础。通过收购或合作获取专业数据集，例如与临床记录关联的数百万张视网膜图像，则可扩大人类表型的覆盖范围。
没有任何数据集能够消除转化鸿沟。培养皿中的细胞缺少人体完整的免疫、激素和力学环境。遗传关联可以识别持续终生的差异，但这些差异未必能预测成年后使用药物改变同一通路的效果。动物模型会简化疾病。机器学习可以揭示这些系统内部的模式，却无法保证该系统能代表患者。
正因如此，临床试验设计可能成为 insitro最有价值的能力。用于识别靶点的同一批数据，也能确定哪些患者最可能获益、哪些生物标志物应出现变化。与广泛纳入受试者的研究相比，规模较小、受试者经过筛选的试验可以更快得出答案。但筛选也会缩小市场；如果反复调整标准，还可能产生事后拼凑解释的风险。生物标志物策略必须在结果揭晓前确定。
Insitro于2025年发表的汇集式光学筛选平台论文表明，机器学习和大规模细胞成像无需预设标志物，也能识别具有生物学意义的基因网络。同行评审验证增强了其技术依据。投资者仍应区分平台验证与治疗验证：工具可能完全按设计运行，却选出一个最终在临床试验中失败的靶点。
亚洲是MASH投资逻辑的核心
代谢功能障碍相关脂肪性肝炎（MASH）常与西方国家的肥胖问题联系在一起，但亚洲庞大的糖尿病患者群体、饮食变化和人口老龄化，使其成为区域内的一种重大疾病。患者可能在低于西方医疗通常采用的体重指数阈值时，就患上代谢性肝病。这会影响筛查、试验招募和商业定位。如果项目所依据的队列未能充分代表亚裔人群，便可能遗漏风险和疗效反应方面的重要差异。
日本、韩国和中国拥有深厚的肝病学专长及成熟的制药合作伙伴。新加坡具备转化基础设施，印度则兼有庞大的代谢疾病患者群体和不断扩大的临床研究能力。这些市场可加快受试者招募，并检验与IRS1相关的生物学机制能否普遍适用。它们也会带来医保支付压力：慢性注射剂或寡核苷酸疗法必须提供足够大的获益，才能与低价糖尿病治疗及日益普及的肠促胰素类药物竞争。
亚洲制药公司不仅可以承担试验运营，也可能成为 insitro平台的用户。许多公司拥有宝贵的化合物和临床数据集，却缺乏一套整合的机器学习与高通量生物学技术体系。合作能够释放这些资产的价值。谈判的核心在于数据权利：基于一家公司的历史数据训练出的模型是否会成为 insitro可重复利用的优势，以及改进成果应如何共享。
数据主权和基因组治理在区内各地不尽相同。集中管理患者级别信息可能受到限制，因此联邦式方法颇具吸引力。然而，即使模型训练无需移动数据，也仍然需要统一定义并进行严格的本地验证。技术无法掩盖诊断标准不一或结果数据缺失的问题。
患者决定下一轮估值
科勒取得了许多AI生物技术创始人尚未做到的成果：公司拥有雄厚资本、获得多家制药企业验证、具备经同行评审的平台证据，还有一款自主拥有、接近进入临床阶段的候选药物。这些成就值得关注，但并未回答这一模式创立之初所要解决的问题。
首次CTRO-1013试验无须证明AI药物发现作为一个类别行之有效。它必须证明该项目的表现符合预测：药物定向暴露于肝脏、安全性可接受、靶点结合可测量，且生物标志物模式与可信的临床剂量一致。后续研究必须证实其对纤维化的疗效及疗效持久性。阴性结果不会否定 insitro的每个组成部分，但会揭示哪些假设经受住了计算检验，却未能通过生物学验证。
只有当这些经验改变下一项研发计划时，学习才能创造价值。真正能够自我改进的平台，应当诊断失败、更新靶点或分子筛选规则，并随着时间推移产出更优质的资产。如果每次挫折都被解释为不可预测的例外，那么所谓闭环只是品牌包装，而非工程体系。
Insitro筹集的约8亿美元，让科勒拥有了在人体试验前提出更好问题所需的技术体系。到2026年，她正接近一个阶段：更好的问题必须带来更高的成功概率。该公司最重要的数据集不会来自另一个模型或细胞筛选，而将来自首批患者；他们会验证CTRO-1013是否抵达了Insitro声称能够识别的生物学机制。
