DeepMind 的联合科学家在 MASH 中发现了分子联系，推进了肝病联合治疗研究。
DeepMind 的 AI 工具 Co-Scientist 帮助揭示了代谢功能障碍相关脂肪性肝炎 (MASH) 的一个关键机制，这是一种常见且具有挑战性的肝脏疾病。通过将 NLRP3 炎性体确定为炎症和代谢之间的关键环节，人工智能驱动的假设为更有针对性的联合疗法打开了大门，这是对抗 MASH 的关键需求。
MASH，通常被称为脂肪肝，影响着全球数百万人，目前缺乏有效、广泛适用的治疗方法。该疾病涉及复杂的生物过程，使得单靶点药物基本上无效。联合疗法有希望，但由于潜在药物配对的数量巨大，因此很难开发。这就是联合科学家被证明非常有价值的地方，它可以综合生物医学数据来优先考虑值得探索的机制和候选疗法。
当联合科学家分析为什么最近批准的 MASH 药物瑞美罗只能帮助一小部分患者时，出现了一项重大突破。 AI 确定 NLRP3 炎症小体是疾病炎症和代谢方面之间的分子“桥梁”。这一假设后来经过实验验证，为设计可针对更广泛患者群体的双靶向疗法提供了路线图。这些进步可能会改变 MASH 治疗，目前的管道主要是 belapectin 和 pemvidutide 等药物，这些药物仍在试验中或范围有限。
Co-Scientist 在 MASH 方面的成功是人工智能融入肝病研究的更广泛趋势的一部分。最近的发展凸显了人们对精准医学和先进诊断的日益重视。例如，2026 年 4 月 21 日报道了一种能够检测早期肝纤维化的机器学习血液检测，展示了人工智能比传统方法更早检测肝病的能力。同样，2026 年 5 月 8 日，FDA 批准 Zenocutuzumab-zbco (Bizengri) 作为胆管癌（另一种肝脏相关疾病）的靶向治疗。这些里程碑反映出人们越来越依赖计算工具来解决肝脏健康问题。
对于 MASH 研究界来说，时机尤为关键。 5 月 18 日，belapectin 的 2b 期结果证明了在减少 MASH 患者肝硬化并发症方面取得的进展，而 pemvidutide 在本月晚些时候的 EASL 大会上即将公布的 2b 期数据可能会进一步扩大治疗选择。 DeepMind 的贡献为这一势头又增添了一层，有可能加速从实验结果到临床应用的转变。
随着该领域的发展，像联合科学家这样的人工智能融入生物医学研究突显了一个关键的转变。通过消除海量数据集的噪音，人工智能使研究人员能够专注于可行的见解，从而显着减少识别新治疗机会所需的时间和资源。对于 MASH（一种医疗需求未得到满足的疾病）来说，这可能标志着一个转折点。