公司称 AI 设计的噬菌体首次用于人类患者，疗效尚未公开

病毒已经用上，结果为何仍是空白？

官方披露的顺序很清楚：含有 AI 设计变体的噬菌体组合，先在体外实验中清除了患者的耐药菌分离株，随后才给予患者。但“从患者身上取出的细菌被清除”，发生在实验条件下，不能直接改写成“患者体内的感染被清除”。

同情用药也需要单独解释。按 FDA 的一般定义，这是严重或危及生命疾病患者在缺乏满意替代方案时，于临床试验之外获得研究性产品的途径。但它不意味着产品已获准常规使用。

“首次”同样有范围。2019 年，《自然·医学》已发表工程噬菌体治疗一名患者的病例报告。研究涉及双肺移植后出现脓肿分枝杆菌感染的患者，观察到临床改善。但那是既有工程噬菌体治疗的先例，不能拿来替本次 AI 设计宣称背书。

所以，这条新闻的新意落在设计工具与患者用药的连接上。但目前“全球首次 AI 设计噬菌体用于患者”仍应保留公司归因。

一把能开锁的钥匙，未必能打开这扇门

噬菌体可以理解成针对特定细菌的“钥匙”：它们感染细菌，合适的裂解性噬菌体能够令细菌破裂。但这种针对性也让治疗难以标准化。能对付某株细菌的噬菌体，换一株就可能失效；“同一种细菌”远远不够精确。

匹配也不只发生在细菌表面。噬菌体还必须完成进入细胞、复制与形成新颗粒等环节。但识别成功，并不保证后面的过程顺利。治疗设计需要同时回答两个问题：它能否对付目标细菌？它自身还能否正常工作？

模型接过了搜索任务，实验室仍握着裁决权

Omnii-1 的思路，像给搜索队一张更好的地图。据公司介绍，它在 DNA、RNA、蛋白质等 28 类生物模态上预训练，再适配噬菌体任务。但“多模态”描述的是模型学习的信息范围，不能直接证明它已获得可靠的临床设计能力。

这套工作把候选设计、菌株匹配预测与实验反馈连接起来。AI 设计可以从既有噬菌体出发，提出局部变化，不必从零创造整个病毒。但模型输出仍须接受实验检验。官方用 T7 展示方法，其展示成绩也不能全部视为本次患者的治疗数据。

数字明显改善，但它们分别测量了什么？

公司展示了一组值得注意的实验：在距野生型有 11–15 个氨基酸变化的分组中，设计变体的回收率为 69.9%，随机对照为 4.8%。但这里的回收率，只是支持噬菌体可存活的代理指标，既非临床有效率，也不能单独代表杀菌效果。

活动表现需要另看。在有可测活动的 6,694 个变体中，公司报告 2,161 个的实验富集指标超过野生型。但原图两面板使用的候选群体与距离定义不同，不能把回收率和富集表现拼成同一批候选的“研发成功率”。

更贴近实际搜索的问题是：好候选很少时，模型能否把它们排到前面？在第三株测试菌中，全库只有 4.5% 的变体超过活动阈值，模型前 100 名中有 24% 超过。但这衡量的是特定实验下的候选优先排序，仍未进入人体疗效层面。

这组对比提示，模型可能帮助实验团队少走一些弯路。但前 100 名仍有多数未超过该阈值，预测无法代替验证。

92.1% 很醒目，分母却不能省略

公司还报告，在随机留出的大肠杆菌菌株中，前两项推荐为 92.1% 的合格菌株命中了至少一种有实验活性的噬菌体。但测试共有 40 株，进入这个比例分母的是 38 株；测试噬菌体仍被保留在训练设置中。

更严格的测试留出了含 37 株细菌的完整谱系。在其中 35 株合格菌株上，前两项推荐的命中比例为 91.4%。但这仍是在既有噬菌体集合中为未见菌株做匹配，不能直接解释成“生成的新病毒有九成概率治好新患者”。

图中还有一处容易被发布标题淹没的细节。随机留出时，Omnii-1 的 AUROC 为 0.866，GenoPHI 为 0.880。但在谱系留出的前两项推荐指标上，Omnii-1 表现更好。不同指标回答不同问题，“所有评估全面领先”并不符合这张图。

跨物种学习也提供了一条线索。在铜绿假单胞菌评估中，加入大肠杆菌相互作用数据后，Omnii-1 的平均精确率从 0.570 升至 0.608。但这支持的是该设置下的数据迁移收益，距离对多种临床感染稳定适用，仍需更多验证。

接下来，需要患者结果接住模型成绩

《纽约时报》的公开转载报道引述外部专家，对这次消息持观望态度；报道时相关技术报告尚未经过同行评审。但实际用药仍是值得追踪的一步：模型提出的候选，开始面对患者层面的检验。这种进展值得记录，也需要保留其披露主体和证据等级。

下一次真正重要的更新，应当包括什么？在适当同意和隐私保护下公开的病程、不良反应、感染变化与随访，将比另一个醒目的模型分数更关键。但这些结果目前仍是空白。AI 已据公司披露走到患者面前，这名患者是否因此获益，还要等待答案。