美国政府正投入10亿美元，押注AI能够实现数十年来各种“抗癌登月计划”未能达成的目标：让癌症变得更可控，并大幅提高患者的生存率。据路透社报道，美国能源部（Department of Energy，DOE）近日宣布与超威半导体公司（Advanced Micro Devices，AMD）合作，将建造两台全球最先进的AI超级计算机——Lux和Discovery，以加速聚变能源、国防和癌症治疗等领域的研究。
能源部长克里斯·赖特（Chris Wright）向路透社表示，这两台超级计算机有望在“未来五到八年内”，帮助将“目前多数仍等同于死刑判决的癌症转变为可控疾病”。
对于像特雷·艾德克这样的科学家来说，这一前景既令人振奋，又显得不够全面。艾德克在美国卫生与公众服务部（U.S. Department of Health and Human Services）下属的健康高级研究计划署（Advanced Research Projects Agency for Health，ARPA-H）负责一个精准肿瘤学项目。
他对《财富》杂志表示：“我们完全有可能在未来八年内，借助AI和大数据在抗击癌症方面取得巨大进展。但单靠AI本身解决不了癌症问题。”
真正的瓶颈：数据，而非算力
尽管Lux和Discovery性能强大，但没有“燃料”也无法学习。艾德克认为，该领域最大的挑战在于整合多模态数据——从基因序列到组织切片，再到身体影像——这些数据对于预测患者对治疗的反应至关重要。
他将癌症研究的数据短缺与其他AI领域进行了对比。像ChatGPT这样的大语言模型（LLM）拥有互联网数据；像Waymo这样的自动驾驶汽车拥有数百万小时的道路行驶记录。相比之下，癌症研究只能获取医院能够且愿意共享的数据。
艾德克说：“癌症研究领域更受限于数据。我们必须在数据采集和关联方面投入与算力建设同等的资源。”
他认为，能源部的超级计算机应直接接入正在实施的联邦项目，例如ARPA-H的“精准癌症治疗高级分析”（ADAPT）计划，该计划通过收集患者数据来训练预测药物反应的模型。
他表示：“将AI与数据结合起来，才是成功的关键。”
关于AI在医学领域的近期前景，艾德克最喜欢的比喻并非自主机器人外科医生；而是将AI视为会议室里的一个新席位。
他说：“当患者对一线治疗不再产生反应时，他们的病例会被提交到这类会议上。十到十二位医学博士和哲学博士——就像《豪斯医生》（House M.D.）里演的那样——围坐在会议室里，争论下一步该尝试什么方案。”
他指出，有时这种讨论很随意：有人记起上周看到的一项研究，就主张尝试其中的药物。他设想AI可以成为“角落里安静的助手”，它读遍了所有文献，知晓每一项试验结果。
他说：“它不会最终决定治疗方案，只是提供建议。医生们必须尊重一个事实：它通常是房间里唯一读完了所有资料的那个。”
在加州大学圣地亚哥分校（UCSD）的穆尔斯癌症中心（Moores Cancer Center），艾德克的团队已经围绕这一模式开展了一项临床试验。他预计肿瘤学家会乐于接受这种辅助，尤其是在疑难病例中。
他表示：“AI不会像白马骑士那样突然降临拯救一切。它正以稳健的步伐逐渐融入。”
2033年：一个可实现的未来
艾德克认为，到2030年代初，几乎每位患者都能针对其特定肿瘤获得现有的最佳疗法，这将真正实现他所专攻的精准医疗。不过，为耐药癌症实时设计新药则需要更长时间。
就目前而言，他更希望政策制定者关注如何将新的计算能力与真实的医院数据系统连接起来。
他说：“如果要说——请允许我带点私心——有一件事能真正惠及科学，那就是将这些AI项目与产生所需数据的地方连接起来。”
至于赖特关于癌症作为绝症"终结的开始"的说法，艾德克认为这“鼓舞人心，但需要详细解释”。
艾德克表示：“我认为我们能在2030年前解决第一部分——为每位患者匹配最佳的现有疗法。但如果没有任何疗法对你的肿瘤有效呢？那时我们就需要能为每位患者实时设计药物的方法。我敢打赌这在2030年前还无法解决，但人们现在就应该开始思考这个问题了。”（*）
译者：郝秀
审校：汪皓
美国政府正投入10亿美元，押注AI能够实现数十年来各种“抗癌登月计划”未能达成的目标：让癌症变得更可控，并大幅提高患者的生存率。据路透社报道，美国能源部（Department of Energy，DOE）近日宣布与超威半导体公司（Advanced Micro Devices，AMD）合作，将建造两台全球最先进的AI超级计算机——Lux和Discovery，以加速聚变能源、国防和癌症治疗等领域的研究。
能源部长克里斯·赖特（Chris Wright）向路透社表示，这两台超级计算机有望在“未来五到八年内”，帮助将“目前多数仍等同于死刑判决的癌症转变为可控疾病”。
对于像特雷·艾德克这样的科学家来说，这一前景既令人振奋，又显得不够全面。艾德克在美国卫生与公众服务部（U.S. Department of Health and Human Services）下属的健康高级研究计划署（Advanced Research Projects Agency for Health，ARPA-H）负责一个精准肿瘤学项目。
他对《财富》杂志表示：“我们完全有可能在未来八年内，借助AI和大数据在抗击癌症方面取得巨大进展。但单靠AI本身解决不了癌症问题。”
真正的瓶颈：数据，而非算力
尽管Lux和Discovery性能强大，但没有“燃料”也无法学习。艾德克认为，该领域最大的挑战在于整合多模态数据——从基因序列到组织切片，再到身体影像——这些数据对于预测患者对治疗的反应至关重要。
他将癌症研究的数据短缺与其他AI领域进行了对比。像ChatGPT这样的大语言模型（LLM）拥有互联网数据；像Waymo这样的自动驾驶汽车拥有数百万小时的道路行驶记录。相比之下，癌症研究只能获取医院能够且愿意共享的数据。
艾德克说：“癌症研究领域更受限于数据。我们必须在数据采集和关联方面投入与算力建设同等的资源。”
他认为，能源部的超级计算机应直接接入正在实施的联邦项目，例如ARPA-H的“精准癌症治疗高级分析”（ADAPT）计划，该计划通过收集患者数据来训练预测药物反应的模型。
他表示：“将AI与数据结合起来，才是成功的关键。”
关于AI在医学领域的近期前景，艾德克最喜欢的比喻并非自主机器人外科医生；而是将AI视为会议室里的一个新席位。
他说：“当患者对一线治疗不再产生反应时，他们的病例会被提交到这类会议上。十到十二位医学博士和哲学博士——就像《豪斯医生》（House M.D.）里演的那样——围坐在会议室里，争论下一步该尝试什么方案。”
他指出，有时这种讨论很随意：有人记起上周看到的一项研究，就主张尝试其中的药物。他设想AI可以成为“角落里安静的助手”，它读遍了所有文献，知晓每一项试验结果。
他说：“它不会最终决定治疗方案，只是提供建议。医生们必须尊重一个事实：它通常是房间里唯一读完了所有资料的那个。”
在加州大学圣地亚哥分校（UCSD）的穆尔斯癌症中心（Moores Cancer Center），艾德克的团队已经围绕这一模式开展了一项临床试验。他预计肿瘤学家会乐于接受这种辅助，尤其是在疑难病例中。
他表示：“AI不会像白马骑士那样突然降临拯救一切。它正以稳健的步伐逐渐融入。”
2033年：一个可实现的未来
艾德克认为，到2030年代初，几乎每位患者都能针对其特定肿瘤获得现有的最佳疗法，这将真正实现他所专攻的精准医疗。不过，为耐药癌症实时设计新药则需要更长时间。
就目前而言，他更希望政策制定者关注如何将新的计算能力与真实的医院数据系统连接起来。
他说：“如果要说——请允许我带点私心——有一件事能真正惠及科学，那就是将这些AI项目与产生所需数据的地方连接起来。”
至于赖特关于癌症作为绝症"终结的开始"的说法，艾德克认为这“鼓舞人心，但需要详细解释”。
艾德克表示：“我认为我们能在2030年前解决第一部分——为每位患者匹配最佳的现有疗法。但如果没有任何疗法对你的肿瘤有效呢？那时我们就需要能为每位患者实时设计药物的方法。我敢打赌这在2030年前还无法解决，但人们现在就应该开始思考这个问题了。”（*）
译者：郝秀
审校：汪皓
The U.S. government is making a billion-dollar bet that AI can do what decades of "moonshots" have failed to: make cancer more manageable and much more survivable. In a newly announced partnership with Advanced Micro Devices, the Department of Energy (DOE) will build two of the world's most advanced AI supercomputers—Lux and Discovery—to accelerate research across fusion energy, national defense, and cancer treatment, according to a Reuters report.
Energy Secretary Chris Wright told Reuters the machines could, in "the next five or eight years," help turn "most cancers, many of which today are ultimate death sentences, into manageable conditions."
For scientists like Trey Ideker, who leads a precision-oncology program at the Advanced Research Projects Agency for Health at the U.S. Department of Health and Human Services, the claim is both exciting and incomplete.
"Can we make a massive dent in cancer with AI and big data in the next eight years? Absolutely," he told Fortune. "Is AI alone going to solve cancer? No."
The real bottleneck: Data, not compute
For all their power, Lux and Discovery can't learn without fuel. Ideker argues the field's biggest challenge is integrating multimodal data—from genetic sequences to tissue scans to body imaging—needed to predict how a patient will respond to treatment.
He compares cancer's data shortage to other AI domains. Large language models (LLMs) like ChatGPT have the internet; self-driving cars like Waymo have millions of logged hours on the road. Cancer, by contrast, has only as much data as hospitals are able and willing to share.
"The cancer space is more data-limited," Ideker said. "We have to invest just as heavily in capturing and linking that data as we do in compute."
He believes the DOE's hardware should be connected directly to ongoing federal programs such as ARPA-H's ADAPT initiative, which collects patient data to train models predicting drug response.
"Bringing the AI and the data together," he said, "is what will make this work."
Ideker's favorite metaphor for the near-term future of AI in medicine isn't an autonomous robot surgeon; rather, he sees AI as a new seat in the boardroom.
"When patients stop responding to first-line treatments, their cases go to these meetings," he said. "Ten or 12 Jedis—MDs and PhDs—sit around a boardroom like an episode of House M.D. and debate what to try next."
Sometimes it's arbitrary, he said: Someone remembers a study from last week and argues to try the drug from the study. He imagines AI as "the quiet assistant in the corner" that has read all the literature and knows every trial result.
"It's not going to pull the trigger on treatment," he said. "It'll just offer an opinion, and the physicians will have to respect that it'll often be the only thing in the room that's read everything."
At UCSD's Moores Cancer Center, Ideker's team is already running a clinical trial built around that model. He expects oncologists to welcome the help, especially in hard cases.
"AI isn't going to ride in on a white horse," he said. "It's already flowing in at a moderate pace."
2033: A plausible future
By the early 2030s, Ideker thinks nearly every patient could receive the best existing therapy for their specific tumor, a true realization of precision medicine, where he specializes. Designing new drugs in real time for resistant cancers will take longer, though.
For now, he'd rather see policymakers focus on wiring the new compute power into real hospital data systems.
"If there's one thing—selfishly—that would really benefit science," he said, "it's connecting these AI efforts to the places generating the data they need."
As for Wright's line about the "beginning of the end" of cancer as a death sentence, Ideker calls it "inspiring, but it needs unpacking."
"I think we'll solve the first part—matching every patient to the best existing treatment—by 2030," Ideker said. "But what if there are no treatments that work for your tumor? That's when we'll need ways of designing drugs in real time for each patient. I'd bet that won't be solved by 2030, but people should be thinking about it."