如果你平时关注 AI 制药，最近最值得注意的一类变化，不再只是“模型又刷了什么榜”，而是这些模型开始真正进入药企的研发流程。

Tempus 在 3 月 25 日宣布与日本药企第一三共（Daiichi Sankyo）展开合作，目标不是做一个抽象的 AI 平台概念，而是更具体地把多模态基础模型用到肿瘤 ADC 项目的生物标志物发现、患者分层和临床开发上。对生物模型栏目来说，这条新闻有代表性，因为它把“基础模型”“病理图像”“临床数据”“真实世界数据”和“药物开发”几件事连到了一起。

这次合作到底在做什么

先说结论：这不是一条“新药已经成功”的消息，也不是单纯签了一个数据库合作协议。

按照 Tempus 官方说法，第一三共会调用 Tempus 的基础模型能力和 AI 团队，重点使用的是 PRISM2。这是一套多模态基础模型，能把病理图像和临床数据放在一起分析，输出用于诊断和预测的洞察。

双方计划做的是 proof-of-concept 级别的 AI 模型，用来优化患者选择，并提高一个新型 ADC 项目的成功概率。Tempus 还会把这些模型部署到自己的肿瘤数据库中，生成更细的响应图谱，帮助做患者分层，并为未来临床试验的潜在对照组做基准比较。

换句话说，这次合作不是让 AI 帮忙写报告，而是让 AI 直接介入药物开发里最烧钱、也最容易决定成败的环节之一：到底该让哪些患者进入试验，哪些生物标志物最值得追，怎样设计试验更靠谱。

为什么 ADC 项目会特别需要这类模型

ADC，也就是抗体偶联药物，这几年一直是肿瘤药物开发里非常热的一条线。它的思路并不难理解：先靠抗体去找到目标细胞，再把“药”更精准地送过去。

但 ADC 项目有一个现实难题：不是所有患者都会同样受益。哪一类肿瘤、哪一批患者、哪种表达特征、什么样的病理和临床组合更可能产生反应，往往要花很长时间去摸索。这里如果判断不准，后面的临床开发就会变慢，甚至会把本来有潜力的项目拖进更高的不确定性里。

这也是多模态基础模型更容易被看见价值的地方。以前很多分析只看单一来源数据，比如只看某个生物标志物，或者只看部分临床记录。现在如果能把病理图像、临床信息和真实世界数据一起看，模型有机会发现更细的患者差异。

对普通读者来说，可以把它理解成：过去像是只看一张化验单来判断谁更适合一种疗法；现在则更像是同时参考影像、病理切片、病史和大样本真实病例，再去做更细的匹配。

PRISM2 这类多模态基础模型，重要在哪

这次公告里最值得注意的，不只是“Tempus 和大药企合作”，而是 Tempus 直接点名了自己的 PRISM2。

从官方表述看，PRISM2 的关键点有三个。

1. 它不是单一模态模型

PRISM2 结合的是病理图像和临床数据。这意味着模型不只是识别一张切片长什么样，而是试图把图像特征和真实医疗上下文一起纳入判断。

2. 它面向的是预测和分层，不只是分类

很多人提到医疗 AI，第一反应是“看片子”“做识别”。但这次更接近药物开发场景：模型的价值不只是告诉你图像里有什么，而是进一步帮助判断谁更可能响应治疗、怎么分层患者、怎么形成更有用的试验设计线索。

3. 它背后依赖的是数据底座，而不是只靠模型名字

Tempus 长期做的是精准医疗数据和临床基础设施。它自己的 biological modeling 页面也显示，公司在 organoid、单细胞 RNA 测序、高通量筛选、AI 图像分析这些方向上都有布局。这样看，这次合作更像是模型层、数据层、实验层和药企需求第一次被放进同一个可执行流程里，而不是一个孤立算法演示。

这件事为什么值得普通读者关注

很多 AI 生物新闻看起来门槛高，是因为一上来就在讲蛋白结构、组学建模或者论文指标。相比之下，这次更容易看懂，因为它回答的是一个非常现实的问题：AI 到底怎样影响药物开发的效率和命中率。

如果这类合作逐渐变多，未来药企挑选临床人群的方式，可能会越来越依赖多模态模型和真实世界数据。它的潜在价值包括：

• 更早发现哪些患者更可能受益
• 更早排除不太可能响应的人群
• 帮助试验设计更精细，而不是“大水漫灌”式入组
• 让生物标志物发现不只依赖少量样本和单点经验

对行业来说，这意味着“生物基础模型”的竞争点也在变化。以前大家比的是谁能做出更强的模型，谁能在蛋白质、基因组或者影像上给出更好结果。现在更关键的问题开始变成：谁能真正接入临床数据、真实世界数据、药企项目和后续试验流程。

也要看到它现在的边界

当然，这条新闻不能被解读过头。

首先，这是一则合作公告，不是临床试验结果公告。外界目前还看不到 PRISM2 在这个 ADC 项目上的具体性能数字，也看不到它到底提升了多少患者筛选效率，或者最终是否会带来更高的临床成功率。

其次，公告里提到的是 proof-of-concept 模型和响应图谱，这说明事情仍在验证和落地阶段。它很重要，但还不是“已经证明 AI 改写 ADC 开发结果”的终局证据。

最后，AI 在医药领域最难的地方，往往不是把模型训练出来，而是让模型在真实流程里被信任、被验证、被监管接受。这次合作更像一个清晰信号：多模态基础模型正在从研究展示走向临床开发工具，但真正的长期价值，还要看后续项目进展。

对谁最有参考价值

药企和生物技术团队

如果你关心 ADC、肿瘤研发或精准医疗，这条新闻最值得看的地方，是患者分层和 biomarker discovery 正在变成基础模型的重要落地场景。

医疗 AI 和生物模型观察者

如果你平时在看蛋白模型、基因组模型、医疗影像模型，这次可以把视角再拉宽一点：未来真正能跑出来的，可能不是单点最强模型，而是能把多模态数据、真实世界证据和具体研发流程接起来的平台型能力。

普通读者

如果你只想知道这件事为什么重要，可以记住一句话：AI 生物模型现在开始不只是“帮科学家做研究”，也在更早地影响药企怎么挑患者、怎么设计试验、怎么减少研发试错。

这次更新释放了什么行业信号

从这次 Tempus 与第一三共的合作看，AI 生物模型正在出现一个很明确的落地方向：不只是做出更聪明的模型，而是把模型变成药物开发流程中的判断工具。

这和前几年“AI 可以用于制药”的泛泛表述不太一样。现在更具体的问题已经变成：谁能把病理、临床、真实世界数据和项目开发目标连起来；谁能把模型输出转成患者分层、标志物发现和试验设计建议；谁就更可能在下一阶段占据主动。

这也是为什么这条新闻虽然不是论文发布、也不是里程碑临床结果，但依然值得写。它让人更清楚地看到，生物基础模型开始向真正花钱、花时间、也最讲究落地效果的环节深入了。

参考来源

• Tempus PR：https://www.tempus.com/news/pr/tempus-announces-strategic-collaboration-with-daiichi-sankyo-to-advance-ai-driven-biomarker-discovery-and-clinical-differentiation-across-an-adc-clinical-program/
• Tempus 新闻列表：https://www.tempus.com/news/pr/
• Tempus Biological Modeling：https://www.tempus.com/life-sciences/biological-modeling/

参考来源

• https://www.tempus.com/news/pr/tempus-announces-strategic-collaboration-with-daiichi-sankyo-to-advance-ai-driven-biomarker-discovery-and-clinical-differentiation-across-an-adc-clinical-program/

说明：该页面由基础模板稳定生成，后续可继续局部润色样式或补充模块，再进入发布检查。