医生说没救了,但亿万富翁不信,用AI战胜了癌症

2024 年底，西德从 GitLab 的 CEO 职位过渡为执行主席，表示需要更多时间专注健康和治疗。他不再被动接受标准医疗流程，而是像创办 GitLab 一样，亲力亲为、快速迭代、最大化信息流动、组建团队、打破常规障碍。

他为自己的下一阶段治疗确立了三个原则：尽可能多地进行诊断。就像 GitLab 监控服务器运行的每一毫秒一样，西德要求尽可能频繁地进行所有可用的诊断。

在他眼中，没有任何一个生物学信息单元小到不值得记录；个性化定制 10+ 种疗法：他不再被动等待新药上市，而是主动扩大与学术界、药企的合作，根据自己肿瘤的独特性状，并行定制超过 10 种个性化药物；并行治疗，传统的癌症治疗是“试错模式”，用一种药，无效了再换。西德则采取了高频迭代模式，同时测试多种假设，用诊断数据实时监测反应，绝不坐等癌症进展。

在这套方案中，西德部署了五大技术支柱。利用单细胞测序深入每一个癌细胞的内部，解析 T 细胞受体的精确特征；同时配合高频的微小残留病（MRD）检测，像扫描代码 Bug 一样在血液中捕捉微量的肿瘤 DNA 信号。他甚至在实验室里用自己的癌细胞培育出“类器官”，在这些生物模型上预先进行药物压力测试，以确保每一剂打入体内的药都有据可循。

图 | 西德的全新诊断套件（来源：西德）

为了执行这套复杂的流程，Sid 组建了一支私人团队，其中包括 Private Medical 等顶尖礼宾医疗服务机构，并招募了 10x Genomics 的董事 Jacob Stern 全职担任他治疗方案的“CEO”。

癌症早发现!BC省拟将筛查年龄下调

"中国车是癌症" 美议员拟推全面封杀令

特朗普:出生公民权不是给中国富翁后代的

西德将全部精力投入到数据的收集与分析中。他建立了一个高达 25 TB 的个人生物数据库，核心支柱是单细胞测序。通过这项技术，他和团队能够像解析代码行一样，对数千个癌细胞进行单独采样。他的团队利用 AI，在海量数据中进行文献综述和假设生成。

转机出现在一次深度数据挖掘中，当计算生物学家分析西德的单细胞测序数据时，发现在他那些表达差异最显着的基因中，大量出现了成纤维细胞的典型标志物。

通过将西德的单细胞数据与公开细胞图谱进行聚类对比，团队观测到：被标记为“簇 29”的推定肿瘤细胞呈现出显着的 KERA、LUM、EPYC 和 FAP 等基因过表达。在人体中，成纤维细胞本应负责伤口愈合，但西德的癌症却极其狡猾地扭曲了这一机制，在肿瘤微环境中搭建起一层保护性基质。这一发现不仅揭示了肿瘤的免疫逃逸机制，更直接锁定了一个关键靶点：FAP（成纤维细胞活化蛋白）。