# 用 Transformer 解决癌症临床试验 95% 的失败率——Noetik 的 Ron Alfa 和 Daniel Bear

> 原标题：🔬 Training Transformers to solve 95% failure rate of Cancer Trials — Ron Alfa & Daniel Bear, Noetik

- 来源：Latent Space
- 发布时间：2026-04-20T16:17:17.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/10424
- 原文：https://www.latent.space/p/noetik

## 摘要

95% 的癌症疗法通不过临床试验，Noetik 认为这主要是个配对问题：没搞清楚哪个病人、哪种肿瘤、该用哪种已有的药。他们训练了一个叫 TARIO-2 的自回归 Transformer，能从每个病人都会做的常规 H&E 染色切片里，直接预测出约 19,000 个基因的空间表达图谱。这种空间转录组数据原本是读肿瘤最丰富的方式，但标准治疗里几乎没有病人会做...

## 推荐理由

我会先打个折：正文没披露 TARIO-2 在独立验证集上的具体性能指标，也没说 5000 万协议是里程碑付款还是一次性，这点先别太激动。但这条消息的钩子很准——它没吹“AI 治愈癌症”，而是把 95% 的失败率解释成患者、肿瘤和疗法没对上号，然后用 transformer 从常规病理切片里预测近两万个基因的空间分布，相当于给肿瘤微环境画了一张高维地图。GSK 愿意掏钱，说明至少内部验证过了门槛。对从业者来说，值得盯的是这种“从便宜影像出昂贵组学数据”的省钱逻辑能不能复制到其他癌种，以及模型泛化到不同医院染色标准时会不会崩。

## 锐评

Noetik 的思路很直接：95% 的癌症临床试验失败，他们觉得主要不是药不行，是配对没做好——没搞清楚哪个病人、哪种肿瘤、该用哪种已有的药。他们训练了一个叫 TARIO-2 的自回归 Transformer，能从每个病人都会做的常规 H&E 染色切片里，直接预测出约 19,000 个基因的空间表达图谱。这种空间转录组数据原本是读肿瘤最丰富的方式，但标准治疗里几乎没有病人会做，所以 TARIO-2 相当于用 AI 把昂贵检测“补”出来。

GSK 签了 5000 万美元的技术授权合同，外加未披露金额的长期模型授权。这个合作有意思的地方在于，它不是买断一个候选药，而是买一个软件平台。过去大药企对 AI 工具的兴趣主要在内部研发，这次直接为模型付费，说明药企开始愿意为工具型 AI 掏钱了。

不过正文没给出 TARIO-2 在真实临床场景下的预测准确率，也没说这个基因图谱预测到底能把临床试验成功率从 95% 失败率拉回来多少。模型训练数据规模很大，但从“预测基因表达”到“指导用药匹配”中间还有一大段路，缺的是前瞻性验证和临床决策闭环的证据。