AWS：多模态生物学基础模型将药物发现成本降低50%，诊断效率提升90%

亚马逊云服务于2026年4月23日发布了多模态生物学基础模型在治疗学和患者护理中应用的详细综述。结果表明，无论是在药物发现阶段还是在临床诊断方面，都取得了显著改善。

什么是多模态生物学基础模型？

生物学中的基础模型是在海量生物学数据上预训练的大型神经网络模型——类似于GPT或Claude在文本上的预训练方式。AlphaFold和RoseTTAFold为蛋白质结构奠定了基础，而新一代模型更进一步。

在这一背景下，多模态意味着单个模型能够同时处理多种生物医学数据类型：来自基因组学的DNA和RNA序列、医学影像（MRI、CT、病理切片），以及电子健康记录（EHR）中的临床数据。模型不再为每种模态单独建模，而是学习连接所有来源的共同表征。

改善幅度有多大？

AWS在发布中列举了来自实际应用的三项关键结果。第一，当多模态模型与单模态模型在相同数据集上比较时，诊断准确率的AUC（曲线下面积）指标提升了4-7%。

第二，医学影像分析节省高达90%的时间——病理科医生和放射科医生获得优先审阅区域，而非手动扫描整幅图像。第三，药物开发早期阶段成本降低高达50%，模型帮助识别最有前景的候选分子。

这对制药行业意味着什么？

传统药物开发耗时10-15年，耗资逾10亿美元，大多数候选药物在临床试验后期失败。如果基础模型能在早期淘汰不良候选药物并识别有前景的靶点，平均开发成本和时间将显著下降。

具体应用包括从基因组数据中识别新药靶点、在病理切片上自动检测异常，以及将遗传变异与临床结局联系起来。与专注解决一个问题（蛋白质结构）的AlphaFold不同，多模态方法瞄准从发现到应用的整个流水线。