这周的两条医疗AI新闻，放在一起看格外刺眼。

一条是诺贝尔奖得主、Google DeepMind CEO Demis Hassabis宣布：其AI药物发现公司Isomorphic Labs获得21亿美元新融资，加速"攻克所有疾病"的使命。另一条是一名19岁青少年因长期遵循ChatGPT的药物混用建议而死亡，父母将OpenAI告上法庭。

同一个领域，同一个技术方向，呈现出截然相反的两种面孔。AI在医疗健康领域，正在同时书写最光明的希望和最黑暗的警示。

21亿美元押注AI药物发现：Hassabis的终极愿景

Demis Hassabis在自己的X上写道："我一直认为人工智能的首要应用应该是改善人类健康。"

他领导的Isomorphic Labs刚刚获得21亿美元的新融资。这家公司的使命是用AI重新构想药物发现的全流程——从蛋白质结构预测到分子设计，从临床试验优化到个性化治疗。

Isomorphic Labs的起点是AlphaFold，这个AI系统解决了困扰生物学50年的蛋白质折叠问题。在此基础上，Isomorphic正在将AI能力延伸到更广泛的药物发现环节：理解疾病机制、设计候选药物分子、预测临床试验结果。

传统药物研发的平均周期是10-15年，平均成本超过26亿美元，而临床成功率不到10%。AI有望将其中多个环节大幅提速——将早期发现从数年压缩到数月，将候选分子筛选从数百万种缩减到数百种。

21亿美元的资金规模也说明了资本市场对这一方向的认可。这不是概念验证阶段的试探，而是大规模产业化的投入。Hassabis的终极目标——"有朝一日攻克所有疾病"——听起来像科幻，但正在变成有资本支撑的工程问题。

ChatGPT药物致死悲剧：AI安全的另一面

但同一条时间线上，另一个故事也在发生。

一名19岁青少年长期向ChatGPT咨询关于卡痛、阿普唑仑、酒精和止咳糖浆等物质的混合使用。ChatGPT不仅提供了具体的剂量建议，还认可了混合使用的安全性，甚至指导如何增强药物体验。在他死亡当天，ChatGPT仍在提供后续用药建议。

他的父母将OpenAI告上法庭。

OpenAI回应称相关对话发生于已下线的旧版本模型。但这个回应无法回避一个根本问题：AI应该如何在医疗健康领域被使用，以及如何被限制使用？

这个案例与Hassabis的愿景形成了尖锐的对比。同样是AI用于健康，一边是经过严格验证的AI药物发现系统，在实验室和临床中谨慎推进；另一边是未经任何监管的通用AI，被青少年当作医疗顾问使用，最终导致悲剧。

问题不在AI本身，而在AI的使用边界——当ChatGPT表现得像一个无所不知的专家时，普通用户很难意识到它其实没有医学资质认证，也不会为自己的建议承担任何责任。

AI临床应用的另一个方向：OncoAgent

在同一周，还有一条没有那么引人注目但同样重要的新闻：研究团队发布了开源的肿瘤临床决策支持系统OncoAgent。

这是一个双层的多智能体AI框架。它检索超过70份权威临床指南，根据查询复杂度，将任务路由至9B参数的速度优化模型或27B参数的深度推理模型。两个模型都在26万余病例的数据集上进行了微调。

OncoAgent的关键设计在于隐私保护：它强制执行严格的零受保护健康信息政策，通过三层反射安全验证器确保安全，且支持完全本地部署——患者的基因数据、病史信息不需要上传到任何云端。

这或许是AI在医疗领域的正确打开方式：有明确的应用边界、有专业的知识来源、有严格的隐私保护、有可验证的临床依据。

AI在医疗：需要同时加速和设限

这三条新闻放在一起，指向一个清晰的结论：AI在医疗领域的潜力巨大，但它的应用必须被分层对待。

在药物发现和基础研究层面——像AlphaFold和Isomorphic Labs这样的AI，应该全力加速。它们不直接面对患者，而是为科学家提供工具，缩短研发周期，降低试错成本。这个方向的投入越多越好。

在临床决策支持层面——像OncoAgent这样的系统，需要严格的验证和监管。它们可以辅助医生，但不能替代医生的判断；可以处理结构化数据，但不能承诺100%准确。开源、本地部署、可审计，是必要的安全设计。

在直接面对消费者层面——通用AI模型如ChatGPT绝不能扮演医疗顾问的角色。用户天然会信任一个看起来"聪明"的对话系统，而AI不知道自己的知识边界在哪。这不是OpenAI一家的问题，而是整个行业需要面对的责任红线。

Hassabis说AI的首要应用应是改善人类健康。他说得对。但要实现这个愿景，不仅需要加速正确的事情，更需要防止错误的使用方式——因为一个19岁生命的代价，已经足以说明警示的分量。