阿斯利康“非买不可”的理由是什么？——收购Moderna AI将如何改变癌症研发？

阿斯利康“非买不可”的理由是什么？——收购Moderna AI将如何改变癌症研发？

2026年01月17日 16:26

1) 发生了什么？——“AI×癌症R&D”通过收购实现“内部化”

2026年1月13日，AstraZeneca宣布将收购位于波士顿的Modella AI。交易金额等条件未公开。此次收购的核心是将Modella拥有的多模态基础模型（foundation models）和自主任务执行的AI代理（agentic AI）整合到AstraZeneca的肿瘤研究开发（R&D）中，以加速临床开发并加强生物标志物的探索。


路透社将此举定位为“大型制药公司首次收购AI企业”，并将其置于同期J.P. Morgan Healthcare Conference（即JPM）中一系列AI相关合作与投资的潮流中。


2) 关键词是“病理的定量化”——影响临床试验成功率的最后屏障

在制药领域，AI的价值最容易体现的地方之一是**“正确选择患者”的阶段。在癌症临床试验中，错误选择患者（原本有效的患者未被纳入/无效的患者被大量纳入）可能导致试验失败。CFO Aradhana Sarin表示，通过整合Modella，定量病理（quantitative pathology）**和生物标志物研究将被“supercharge”，并提及通过AI加速患者选择，提高成功率，降低成本的可能性。


AstraZeneca自身也在其网站上解释称，计算病理学（computational pathology）通过免疫组化（IHC）等定量评估可以改善患者选择。这是通过计算机视觉来补充人眼评分的差异和限制的构想。


此外，AstraZeneca面向投资者的资料（JPM 2026演示）中，将**QCS（Quantitative Continuous Scoring）**作为AI应用的案例，明确表示“通过将AI应用于计算病理学来识别更易反应的患者”的方向性（资料内文本）。


3) Modella AI是什么——将“多模态×代理”应用于病理

Modella方面的声明中，将自己描述为“在病理、临床数据和先进生成AI的交汇点，解决肿瘤领域难题”的公司。收购后，将以嵌入的形式整合到AstraZeneca的肿瘤R&D环境中，提升数据集约型工作流程的自动化、规模和一致性。


这里重要的是，多模态这个词的分量。在癌症开发的决策中，仅靠病理图像或临床文本是不够的。只有将图像（组织图）、文本（所见、治疗历史、检验值）和分子信息（基因、蛋白等）结合在一起，才能真正实现患者群体的划分。Modella以这种“结合的设计”为卖点，并通过与AstraZeneca拥有的自有数据结合，提升回答临床开发问题的速度——这一故事得以成立。


（补充）部分行业媒体提到Modella的技术元素涉及病理助手类产品，但详细信息需通过一次信息进一步确认。在此，将“跨越病理图像和文本处理”的方向本身理解为收购的主要目标是安全的。


4) 从“合作”到“收购”——7月的“试驾”变成1月的“内制”

此次收购被描绘为2025年7月公布的多年合同的延续，而非突然之举。当时，双方宣布AstraZeneca将访问Modella的多模态基础模型，以加速肿瘤临床开发。


路透社的表述具有象征意义，Sarin称此次合作为“test drive（试驾）”，并表示最终希望将数据、模型和人才置于公司内部。也就是说，此次收购是从“使用AI”阶段向“将AI的核心（模型和运营）纳入公司引擎室”阶段的转变。


5) SNS的反应——祝福氛围背后也有疑问

此次发布在SNS上，尤其是LinkedIn上反应尤为明显。

  • 公司内部关键人物的消息（AstraZeneca方面）
    在AstraZeneca负责AI应用的Jorge Reis-Filho将Modella的多模态基础模型和代理定位为“肿瘤R&D战略中的重要一步”，并表示希望加速临床开发和患者选择的生物标志物开发。

  • Modella方面的发布：对团队和“实施性”的信心
    Modella官方发布强调“全球规模的扩展”和“现有合作的扩展”，评论区充满了“Congrats”这种典型的祝福氛围。
    联合创始人Faisal Mahmood也发布了作为实验室初创公司的里程碑和对未来影响的期待。

  • 另一方面提出的“核心担忧”：内部化是否会限制创新？
    在Reis-Filho的帖子回复中，有一个“令人不安的问题”是，“大型公司完全内部化AI后，突破是否会加速/或者模型是否会专有化从而限制创新”。在热烈的氛围中，开放性 vs 竞争优势的紧张关系已被早早暗示。

  • 投资者和市场视角：赌在长期成功率改善而非短期股价
    尽管交易金额未公开，报道中反复提到的目标是“改善临床试验的患者选择并提高成功率”。市场的短期反应每天都在波动，但主题在于“时间和概率”。


6) 期待与论点——“AI加速”是否真实？瓶颈仍在何处？

此次收购象征着“AI从PoC（概念验证）到组织能力”的潮流。然而，是否能产生成果是另一回事，至少有四个论点。

  1. 数据整合的现实：病理图像、临床记录、检验值、分子数据的形式和粒度各不相同。整合的设计和治理是关键。

  2. 验证（validation）和可解释性：在进入临床现场时，“为何做出此判断”会被质疑。仅靠精度无法通过。

  3. 人才和运营：比起模型的优劣，融入工作流程的运营设计更为困难。

  4. 对AI热潮的冷静态度：制药×AI合作在增加，但对过度期待的警惕也根深蒂固（AI成果的衡量方式，实际药物批准的距离）。


7) 接下来应该关注什么——将“收购新闻”转化为现场成果的检查点

今后，从以下角度追踪“收购是否有效”是明智的。

  • 在哪些疾病和临床试验中，患者选择和生物标志物策略具体发生了变化（如QCS的适用范围扩大）。

  • 公司内部的AI基础设施建设（数据基础设施、审计、模型更新、现场部署）能多快运转。

  • 竞争对手是否也同样转向“内部化”。此次是否成为“例外”而非“先例”。

参考URL（正文中无链接/附说明）


参考文章

阿斯利康收购Modella AI以加强癌症研究开发
来源: https://seekingalpha.com/news/4539619-astrazeneca-acquires-modella-ai-boost-oncology-r-and-d?utm_source=feed_news_all&utm_medium=referral&feed_item_type=news

← 返回文章列表