Google 於 2026 年 10 月 12 日在官方部落格發表文章，說明如何把人工智慧導入疾病的理解與治療。文章由 Google 副總裁暨 Google Research 總經理 Yossi Matias，以及 Google DeepMind 科學副總裁暨 Google Cloud 首席科學家 Pushmeet Kohli 共同署名。過去五年間，Google 團隊發表了 90 篇經同儕審查的疾病相關研究論文，累積超過 9 萬次引用。官方強調，這些研究並非停留在論文階段，而是與臨床醫師、學術機構及研究人員合作，讓發現能離開實驗室、真正用在病人身上。
整篇文章的主軸可分成幾層：先理解疾病在分子、基因與細胞層次如何運作，再把它轉成實驗室裡可驗證、可工程化的工具，接著直接支援醫療現場的偵測與判讀，最後延伸到公共衛生層面的疫情預測與資源投入。
解碼疾病在分子層次的運作機制
AlphaGenome Atlas 被形容為目前最完整的預測目錄，用來推估人類基因體中單一核苷酸變異會如何影響分子生物學。這類工具的重要性在於，真正致病的基因變異往往淹沒在大量無害突變之中，形成所謂的背景雜訊。英國艾希特大學研究團隊利用 AlphaGenome Atlas 分析超過 5 萬 4 千人的基因體資料，找出驅動人體內關鍵蛋白質濃度的特定變異，其中包括與老化相關的 PLA2G7，以及扮演細胞氧氣感測器角色的 EGLN1。
在藥物開發方面，西班牙巴塞隆納全球健康研究所使用 AlphaFold 對 3 萬種化合物進行虛擬篩選，目標是找出具有抗寄生蟲活性的藥物，用於治療查加斯病。這是一種被忽視的熱帶疾病，影響約 800 萬人，若未治療可能導致危及生命的併發症。這項研究協助機構找出兩種已獲美國 FDA 核准、可望重新定位用於查加斯病的藥物，縮短了病人等待治療的時間。
腦部圖譜方面，Google 與哈佛大學 Lichtman Lab 合作，以奈米級解析度重建了一塊人類腦組織，並透過 Neuroglancer 平台公開資料。團隊也繪製了模式生物的大腦，包括果蠅、幼體斑馬魚與鳴禽。這些神經圖譜資源讓研究者能推進腦功能研究。
從實驗室走向臨床的工具
在基因診斷上，Google 與史丹佛大學醫學院合作，把 DeepVariant 與 DeepConsensus 帶進臨床試驗，協助在時間緊迫的病例中找出遺傳疾病成因。該計畫以全基因體定序在不到八小時內完成基因診斷，促成即時且可能救命的醫療介入，這項成果也獲得金氏世界紀錄認證。
在蛋白質設計上，Google 推出 AlphaProtein Novo，這是一套從第一原理出發、用來創造自然界原本不存在酵素的機器學習流程。實驗室測試中，它成功設計出可合成關鍵藥物結構單元的客製化酵素，也設計出能在極端條件下降解有毒環境塑膠的酵素，顯示功能性蛋白質的設計可以超越自然界既有範圍。
公共衛生方面，社區健康與地理環境高度相關。Google 以 Google Earth AI 模型結合環境、天氣、移動性等資料，協助公共衛生決策者預測疾病爆發，並把照護送到脆弱社區。世界衛生組織非洲區域辦公室與剛果民主共和國國家生物醫學研究所的最新研究中，對話式地理空間模型取代了過去數週的手動編碼工作，更快辨識伊波拉病毒的暴露與傳播風險，讓當地應變人員能提前部署行動實驗室。
在醫療現場支援疾病偵測
癌症篩檢方面，Google 與倫敦帝國學院及英國國民保健署合作，在 Nature Cancer 發表兩項研究，於 12 萬 5 千名女性身上評估一套乳房攝影篩檢系統。該系統找出 25% 過去會被漏掉的間隔癌，同時顯示可將專科醫師的判讀工作量減少最多 40%，對面臨放射科醫師嚴重短缺的醫療體系可能帶來關鍵緩解。
在兒童白血病方面，Children's Mercy Hospital 將 DeepSomatic 應用於先前已完成定序的真實兒童白血病案例。即使面對只有腫瘤檢體、缺乏正常對照的困難情境，DeepSomatic 仍確認了所有已知變異，並額外偵測到 10 個過去被漏掉的突變。這項工具已公開釋出，有潛力協助臨床判斷病人風險與標靶治療方向。
流感預測方面，Google 的流感預測模型在 2025 至 2026 年流感季，被美國疾病管制與預防中心評為預測流感相關住院人數的第一名。該模型以 Empirical Research Assistance 工具開發，擊敗其他 38 套系統，能準確貼合實際觀察到的住院情形，顯示這類技術可協助公共衛生官員預估醫療服務需求、提前因應季節性疫情。
影響、限制與整體意義
這些成果要真正改變健康結果，仍需要科學家、研究者與機構之間的合作。Google 透過開放取用的平台與模型，加上 Google.org 的慈善資金與運算資源，試圖降低研究應用的門檻。例如 Google.org 支持 Makerere University 的傳染病研究所，以 AlphaFold 與 AlphaMissense 預測瘧疾抗藥性突變；也支持賓州大學使用 AlphaProteo 與 AlphaFold 設計新型細胞療法，用於強化實體腫瘤與複雜疾病的治療。2026 年，Google.org 已向全球各地運用先進模型改變疾病理解與治療方式的組織提供超過 6 千萬美元。
值得注意的是，這些工具多定位為輔助角色：協助科學家篩選與預測、協助醫師標示可疑病灶、協助公共衛生單位提早部署，而非取代臨床判斷。虛擬篩選找出的候選藥物仍需後續驗證，模型預測也需要真實世界資料持續檢核。能否把研究發現穩定轉化為病人可及的照護，仍取決於各地醫療體系的資源、法規與導入能力。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。