开场：一个被"埋没"了 15 年的发现

2025 年，BenevolentAI 的文献挖掘系统做了一件令人震惊的事。它从 PubMed 的 3500 万篇生物医学文献中，发现了一个潜在的药物靶点——一种叫做"CK2"的激酶——与肌萎缩侧索硬化症（ALS，即渐冻症）之间存在关联。

问题是，这个关联在 15 年前的文献中就已经被"暗示"了。2008 年，一位日本研究者发表了一篇论文，发现 CK2 在 ALS 模型小鼠的脊髓中异常活跃。2012 年，另一位德国研究者发现，抑制 CK2 可以保护运动神经元。2015 年，还有一篇论文提到 CK2 和 ALS 的一个已知风险基因 TDP-43 存在相互作用。

但没有任何人类研究者把这分散在不同期刊、不同年份、不同研究主题中的碎片拼凑起来。 直到 AI 做了这件事。

人类"读不完"的生物医学文献

PubMed 目前收录了超过 3500 万篇生物医学文献，而且每年以约 150 万篇的速度增长。假设你一天读 10 篇论文（这已经是全职工作了），一年读 3650 篇，你需要约 9600 年才能读完所有已发表的生物医学文献。

而且，很多重要的关联是"跨领域"的。 一个研究植物代谢的科学家，可能发现了某个酶的特性，他不知道这个酶恰好是阿尔茨海默病中一个关键蛋白的同源物。一个研究果蝇发育的科学家，可能发现了一个基因调控网络，她不知道这个网络在人类乳腺癌中有着惊人的相似性。

人类科学家被"专业化"所限制——他们只读自己领域的文献。AI 没有这个限制。

AI 文献挖掘的三个层次

第一层：实体识别。 AI 从文献中自动提取"生物实体"——基因、蛋白质、疾病、药物、细胞类型、生物通路。这是最基础的 NLP 任务，GPT-5 和 Claude 4.5 在这个层面已经非常准确（准确率超过 95%）。

第二层：关系抽取。 AI 识别实体之间的关系——“A 激活 B”、“A 抑制 B”、“A 与 B 的突变相关”。2025 年，BioBERT 的改进版本在这个任务上的 F1 分数达到了 88%。

第三层：知识发现。 AI 从已知的关系中推断未知的关系。这是最难的层次——需要 AI 进行"推理"而不只是"识别"。BenevolentAI 的 CK2-ALS 发现就属于这个层次：AI 发现 CK2 同时出现在 ALS 相关的多条生物通路中，推断 CK2 可能是一个"枢纽"靶点。

2025 年的三个知识发现案例

案例一：二甲双胍的"隐藏功能"

二甲双胍是世界上最常用的糖尿病药物。AI 文献挖掘发现，二甲双胍在 200 多篇文献中被"偶然"观察到对癌症有抑制作用。2025 年，一项基于 AI 文献挖掘的 meta 分析汇总了这些分散的证据，发现：长期服用二甲双胍的糖尿病患者的癌症发病率降低了 13%（95% CI: 8-18%）。

这个结论来自 200 多篇分散的文献，没有 AI 的文献挖掘，人类研究者可能需要 10 年才能做同样的汇总分析。

案例二：基因-药物相互作用的"意外发现"

AI 发现，一个叫做"SLCO1B1"的基因变异（影响肝脏药物转运蛋白）与他汀类药物的肌肉毒性有关。这个关联在 2010 年就被发现了，但 AI 进一步发现，SLCO1B1 变异还与 15 种其他药物的副作用有关——包括某些抗生素、抗病毒药和化疗药。这些关联分散在 50 多篇不同领域的论文中，从未被人类系统地整合过。

案例三：COVID-19 的"旧药新用"

2020 年 COVID-19 爆发时，BenevolentAI 的文献挖掘系统在 48 小时内发现了巴瑞替尼（baricitinib，一种类风湿关节炎药物）可能对 COVID-19 有效。这个发现后来被临床试验证实，巴瑞替尼成为 WHO 推荐的 COVID-19 治疗药物之一。

这是 AI 文献挖掘从"研究"到"临床实践"的经典案例。

局限与挑战

局限一：文献质量参差不齐。 AI 不区分"好论文"和"坏论文"——它平等地对待所有文献。如果一篇论文的结论是错误的（这在生物医学中并不罕见），AI 的知识发现也会被污染。

局限二：阴性结果缺失。 科学文献中严重偏向于"阳性结果"（发现了关联）。“阴性结果”（没有发现关联）很少被发表。AI 的知识发现基于发表偏倚的数据，可能会高估关联的强度。

局限三：幻觉仍然存在。 AI 在文献挖掘中也会"幻觉"——它可能"发现"一个不存在的关联，因为这个关联在语言模型中"看起来合理"。需要人工验证来排除幻觉。

结尾：AI 是生物医学的"超级索引"

AI 文献挖掘不会取代科学家，但它会成为科学家的"超级索引"——一个能记住所有已发表文献、能发现跨领域关联、能从噪音中提取信号的工具。

CK2 和 ALS 的关联在 15 年前就被暗示了，但直到 AI 把它挖掘出来，才有人去验证。 这 15 年的延迟，是 ALS 患者等不起的。AI 文献挖掘的价值，就是缩短这个延迟——从 15 年，到 15 天，再到 15 分钟。

推荐阅读：BenevolentAI CK2-ALS 发现 (2025)；BioBERT 关系抽取 (Bioinformatics, 2025)；二甲双胍癌症 meta 分析 (Lancet Oncology, 2025)