一句话看懂：Insilico Medicine 用生成式 AI 开发的肺病药物 rentosertib，在一项 42 人试验中让六个独立 AI 衰老时钟均读取到“生物学年龄更年轻”的信号。这不是抗衰老药获批，但它是首个在临床试验中让多种衰老时钟指向同一方向的结果。
事件核心：发生了什么
Insilico Medicine 在 Nature Biotechnology 上发表新分析，研究对象是此前为特发性肺纤维化（IPF）患者设计的候选药物 rentosertib。该药物由 Insilico 的两套 AI 系统驱动开发：一套从健康数据和文献中筛选疾病相关蛋白靶点，另一套分析蛋白结构并生成匹配分子。从锁定靶点 TNIK 到拿出候选药耗时约 18 个月，rentosertib 现已进入 IPF 的 III 期临床试验。
此次新分析并非直接测量患者身体机能的“年轻化”，而是利用六套由哈佛、牛津、北京及 Insilico 自身独立开发的 AI 衰老时钟，对 42 名患者的血液蛋白数据进行分析。结果显示，所有六套模型均将用药组的蛋白模式判读为比安慰剂组更年轻，最强效应出现在第 4 周，预测年龄差距为 3 到 6 年。研究人员还将患者数据与英国生物样本库（UK Biobank）中超过 5.5 万份蛋白谱比对，发现 rentosertib 逆转了那些通常随年龄增长发生的变化。
为什么重要
这项结果的意义不在“逆转衰老”本身，而在于多个互不共享特征与训练数据的衰老时钟得出了方向一致的结论。诺贝尔化学奖得主 Michael Levitt 在新闻稿中明确表示，令他有信心的不是效应大小，而是模型间的共识。这种“交叉验证”方式，比单一模型的输出更接近可信的科学证据。
与此同时，数据也提示药物对衰老标志的影响并非单纯来自肺功能改善：改善肺部效果最好的剂量（60 mg 每日一次）与降低预测生物学年龄效果最强的剂量（30 mg 每日两次）并不一致，说明其抗衰老效应至少部分是独立于肺功能改善的。Insilico 创始人 Alex Zhavoronkov 称，截至 2026 年 3 月，公司已用生成式 AI 开发了至少 28 个候选药。
从行业视角看，这是生成式 AI 从“缩短研发周期”到“影响临床终点评估”的一次延伸：AI 不仅设计了分子，也重新定义了如何解读早期临床数据中的衰老信号。
对用户/开发者/创作者的影响
对生物医药领域的开发者和研究人员，这个案例提供了一个可行的技术范式：生成式 AI 负责靶点发现和分子生成，预训练蛋白质模型负责从复杂组学数据中提取可量化的生物学年龄指标。对普通用户而言，需要明确一个重要边界——目前该药物只在 IPF 患者中显示衰老标志物变化，尚未在健康人群中验证，不能解读为“可以吃的抗衰老药”。目前公开信息显示，患者群体的基础炎症和纤维化状态可能放大了观察到的蛋白谱变化。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，rentosertib 在 IPF 的 III 期试验结果是否能在更大样本中复现早期疗效，这直接决定其能否获批成为首个由生成式 AI 全程参与设计并走到晚期临床的药物。第二，Insilico 是否会启动针对健康人群的衰老标志物试验，以回应哈佛医学院 Vadim Gladyshev 提出的“结果可能仅适用于肺病患者”的质疑。第三，礼来（Eli Lilly）已投资 Insilico，若该药通过 III 期验证，AI 驱动药物能否跑通从靶点到上市的商业闭环，将成为整个 AI 制药赛道的标志性事件。
