法国人工智能初创公司Bioptimus发布了足以预示生命科学研究范式变革的强大AI模型。该公司公开了基于病理学的临床生物学模型H-Optomus-1以及全球首个通用多模态生物医疗AI基础模型M-Optimus。其核心是旨在解决生物学和医疗复杂问题（如组织分析、疾病诊断、治疗反应预测）的"数字孪生"结构，这一点备受关注。
此次亮相的H-Optomus-1是2024年底发布的早期模型H-Optomus-0的升级版，专门用于通过微观观察生物组织进行疾病诊断的组织学分析。Bioptimus方面表示："新模型在哈佛大学HEST及香港科技大学PathBench等世界顶尖生物AI基准测试中取得了最佳成绩。"实际上，H-Optomus-1在能够执行多机构、多任务的能力方面，其性能已证明超越现有AI模型。
另一个值得关注的是能够涵盖生物学整体的整合模型M-Optimus。该模型通过综合分析细胞、组织及患者个体的复合数据来预测疾病进程及治疗效果，并据此生成虚拟生物体化身——"数字孪生"。数字孪生被评价为一种能够通过计算机模拟方式估算疾病发展阶段或模拟新药试验，从而大幅缩短临床试验过程时间和成本的技术。
Bioptimus联合创始人兼首席执行官让-菲利普·韦尔强调："M-Optimus是AI终于能够'理解'复杂生物学的转折点产品"，"它将成为整合解读从分子到人体整体的生命体结构、开启精准医疗新时代的基础。"
M-Optimus基于从数百家医疗机构、50多种器官类型以及数百万患者处收集的数据进行学习。由此获得的生物多样性极大提升了该模型的通用性和精确度。其优势尤其在于能够直接将多模态数据和组织学信息应用于基因表达预测、治疗反应分析、临床结果推导等方面。
业界专家评价，此次M-Optimus的发布可能成为加速生物医学AI商业化的转折点。特别是在新药开发和临床试验等耗时长久、成本高昂的领域，人们对该模型能提供实质性解决方案抱有很高期望。
另一方面，H-Optomus-1模型计划部署于亚马逊云科技（AWS）的AI平台"SageMaker"，以便轻松访问，同时还将为研究机构或制药公司提供基于其自有数据优化模型的调优功能。此设计旨在保护企业敏感数据的同时，也能利用模型的通用性。
传统上，实验室基础研究与现实世界临床应用之间存在巨大鸿沟，而Bioptimus的战略是通过此次发布的AI模型切实缩小这一差距。研究人员如今得以掌握基于数据的精确推理工具来预测生物医疗结果，而非依赖"凭感觉的实验"。
