吃藥12週「年輕3歲多」?解密AI新藥Rentosertib抗老實驗,為何還不能稱作抗老藥?
吃藥12週「年輕3歲多」?解密AI新藥Rentosertib抗老實驗,為何還不能稱作抗老藥?

一顆原本用來治療肺病的新藥,讓研究人員看見了意料之外的可能性:服藥後,病人血液中的部分蛋白質出現變化,電腦模型因此判斷,他們的身體狀態「變年輕了」。

這顆藥叫Rentosertib,由英矽智能(Insilico Medicine)運用AI協助研發。2026年9月7日,研究團隊在《Nature Biotechnology》發表分析結果,探討它是否除了改善肺病,也可能影響老化相關機制。

不過,這項研究沒有證明人能多活幾年,也沒有證明吃藥就能返老還童。研究看到的是一個值得追查的訊號:藥物可能改變與老化相關的血液特徵,但這些變化究竟代表什麼,還需要更多實驗才能回答。

AI怎麼找到這顆藥?先找鎖,再設計鑰匙

Rentosertib原本瞄準的疾病,是特發性肺纖維化。可以把健康的肺想像成柔軟、能伸縮的海綿。當肺組織持續受損、結疤,就會逐漸變硬,讓氧氣更難進入血液,病人也愈來愈容易喘。這是一種可能危及生命的慢性疾病。

英矽智能運用AI分析生物資料與研究文獻,找出可能參與疾病形成的蛋白質,再用另一套AI系統設計藥物分子。公司創辦人扎沃隆科夫(Alex Zhavoronkov)向《紐約時報》解釋,這個過程就像先掃描一把鎖,再生成一把合得上的鑰匙。

而這次找到的「鎖」叫TNIK,是參與細胞訊號傳遞的一種蛋白質。Rentosertib則是研究團隊設計出來、希望抑制其作用的「鑰匙」。但AI提出設計後,仍須經過實驗室與人體試驗,確認藥物是否安全、有效。

2025年發表的二期a試驗納入71名肺纖維化病人,分成不同劑量及安慰劑組,治療12周。每日一次60毫克組的用力肺活量平均增加98.4毫升,安慰劑組則下降20.3毫升。用力肺活量是衡量肺功能的常用指標,這項結果提供了初步的療效訊號,尚不能視為治癒肺病的證明。

英矽智能於2026年7月宣布啟動三期試驗,計畫納入320人、觀察52周,進一步驗證療效與安全性。Rentosertib仍是尚未獲准上市的試驗藥物。《Nature Medicine》二期a論文、英矽智能三期試驗公告

抽一管血,電腦怎麼知道你「幾歲」?

研究團隊對這顆藥的期待,不只有治肺。肺纖維化與老化涉及部分相同的生物機制,因此團隊也想知道:抑制TNIK之後,病人身上與老化有關的訊號,會不會一起改變?

他們使用的工具,叫做「蛋白質體老化時鐘」。這不是身體裡真的有一座時鐘,而是一種電腦模型。研究人員先讓模型分析大量人口的血液資料,學習不同年齡或健康風險,通常伴隨哪些蛋白質特徵,再用這些規律評估新的血液樣本。

它有點像從車輛的檢測數據,推估車子的使用狀態。兩輛同一年出廠的車,可能因保養、里程與使用方式不同,呈現不同程度的耗損;同樣地,出生年齡相同的人,身體狀態也可能不同。

但模型算出的「生理年齡」是一種估計,不是能精準讀出剩餘壽命的數字。

這次看到了什麼?六套模型出現較年輕的訊號

這次老化分析使用原試驗中42名病人的資料。他們平均67.1歲,研究人員比對治療前、第2周、第4周及第12周的血液樣本,共測量2,841種蛋白質,再交由六套老化時鐘分析。研究結果顯示,治療組整體出現預測年齡下降的趨勢,安慰劑組則變化不大或略為上升。

其中,每日一次60毫克組在第4周,四套以實際年齡為訓練目標的模型,算出的年齡較治療前下降約2.7至3.5歲。

這個數字很吸引人,但需要一起看其他結果:三種劑量、三個追蹤時間點及六套模型,共有54項與安慰劑的比較,只有21項達到研究設定的統計顯著門檻。訊號集中在第4周,到第12周,顯著的比較項目減少。

換句話說,研究並不是每名病人都變年輕,也不是六套模型在所有時間點都得到同樣明確的結果。

肺變好了,還是整個人變年輕了?

這是研究最難回答的問題。

如果一顆藥改善肺部疾病,讓發炎或纖維化相關蛋白質減少,老化時鐘也可能因此給出比較年輕的讀數。就像修好汽車引擎後,檢測結果變漂亮了,卻不能推論整輛車的所有零件都恢復如新。

研究中,一個叫LTBP2、與纖維化密切相關的蛋白質,就是影響六套時鐘讀數的重要共同線索。這讓研究人員難以區分,數字下降究竟反映肺病改善、老化機制改變,還是兩者都有。

六套模型得到相近結果,仍然有參考價值,但它們並非六次完全獨立的驗證:模型都使用英國生物資料庫的資料訓練,也共享部分蛋白質線索,可能一起受到相同因素影響。

研究團隊另外分析代謝與細胞衰老相關訊號,試圖找出超越肺功能改善的作用。他們確實發現一些支持後續研究的線索,但論文也承認,這些主要是電腦分析與間接證據,還不能完全拆開「治病」與「抗老」的效果。《Nature Biotechnology》論文

距離抗老藥,還缺哪一步?

這項研究的價值,在於提供了一個可以繼續追問的方向:治療特定疾病的藥物,是否也可能影響與老化相關的生物機制? 但要回答這個問題,光看模型數字下降還不夠。研究規模需要更大、觀察時間需要更長,也要在其他合適族群中驗證,確認結果能否重現。

更關鍵的是,這些血液變化是否真的伴隨有意義的健康改善,例如維持身體功能,或減少疾病發生。這也需要獨立團隊進一步驗證;英矽智能的共同執行長及多名員工參與了這項研究,相關利益關係已在論文揭露。

截至2026年9月8日,Rentosertib的三期試驗主要驗證肺病療效,不能當作抗老效果已獲證實。這次研究讓科學家多了一條值得追查的線索;至於它能否讓人更健康地老去,仍是一個等待答案的問題。

延伸閱讀:Google台灣傳大裁員、板橋TPKE成重災區?官方:組織調整長期都在做,網傳比例不符事實

資料來源:《Nature Biotechnology》論文、《Nature Medicine》二期a試驗論文、《紐約時報》、英矽智能三期試驗公告

本文初稿為AI編撰,整理.編輯/ 李先泰

關鍵字: #ai醫療
往下滑看下一篇文章
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?

AI 正快速改變消費者探索商品、接觸品牌的方式,也為零售業帶來新的成長機會。然而,當 AI 從個人使用工具逐步走向企業營運,台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示,台灣零售業的 AI 應用仍存在明顯差距,資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策,如何將 AI 從單點工具導入,真正成為零售成長的助力,已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會,以「Where AI Meets Commerce」為主軸,邀集零售與科技業者,從流量獲取、數據應用到會員經營,探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE,也在會中宣布邁向 AI in Retail,推出官方 MCP(Model Context Protocol),進一步串聯零售數據與 AI 應用,協助品牌掌握新興 AI 流量入口,為下一階段的智慧零售布局做好準備。

SHOPLINE 預告:零售下一個流量入口是 AI

2026 年上半年,SHOPLINE 客戶 GMV 年增 20%,是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大!」SHOPLINE 台灣總經理葉力維指出,從全球市場來看,尤其是以北美為主的 SHOPLINE 客戶,來自 AI 渠道的流量 PV 較去年同期成長 15 倍,訂單量更成長 35 倍;相較之下,台灣 AI 渠道流量 PV 約成長 2 倍,顯示 AI 導流的商業潛力正逐步浮現,台灣品牌仍有很大的成長空間。

當品牌越做越複雜,從多通路走向全域經營、數據與規模擴大,如何確保資料品質、打通資訊孤島,並兼顧資安與治理,成為 AI 能否真正落地的關鍵。為此,SHOPLINE 提出四大 AI 佈局方向:首先,建立 AI Ready 數據基礎,整合分散的零售資訊,為 AI 應用做好準備;其次,深化 MCP 布局,讓品牌能依照自身需求,自主選擇並串接不同的 AI Agent;第三,成立 AI 轉型委員會,將 AI 導入內部工作流程,推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議;最後,擴大 AI 夥伴生態系,開放第三方開發者串接垂直領域的 AI 應用,讓品牌能更靈活地組合所需工具。

#4 SHOPLINE
圖/ 數位時代

「過去十年,SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變,其實都代表著品牌經營方式的改變;而下一個入口,就是 AI。」葉力維表示,當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑,品牌不能只停留在導入單一工具,更需要提前整備數據、串接應用並建立治理能力。接下來,能否做好 AI Ready 的準備,將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP,助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備?SHOPLINE 產品副總賴哲文指出:「人、貨、場的接觸點沒有改變,改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景,消費者、員工與企業的角色也隨之改變:做決定的是消費者,當消費者問 AI「我該買哪個品牌」,品牌能否出現在答案裡是第一個挑戰;執行的是員工,員工則可將部分執行工作交由 AI 處理,將更多精力投入判斷與決策;做判斷的是企業,AI 能否提供可靠的洞察與建議,關鍵仍在於數據品質,以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦,品牌經營也必須從傳統 SEO,進一步走向 AIEO(AI Engine Optimization),讓商品與品牌資訊具備良好的結構與可讀性,才能提高被 AI 採用、推薦及導流的機會。對此,SHOPLINE 提出三層 AI Ready 架構:以「AI Ready Data」整合高品質、可供運算的零售數據;透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接;再以「AI Ready Agents」串接品牌自主選擇的 AI Agent,逐步將數據基礎延伸至實際應用。同時,SHOPLINE 也透過第一方數據歸因,改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題,讓原始數據能進一步支援 AI 分析與決策。

#3 SHOPLINE
圖/ 數位時代

在工具應用上,SHOPLINE 推出官方 MCP,涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills,搭配 MCP Tool 的後台相關能力,進一步產出數據洞察報表與執行建議,讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全,SHOPLINE 也設下三道防護機制,包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取,以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調,當 AI Agent 開始參與消費者決策與企業營運,品牌不只要讓 AI 看得懂商品,更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外,SHOPLINE 也致力發展 AI 開放生態圈,邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技,以及女性高效身體保養品牌 HYPHY,攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據,提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大,轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析,投放效率下滑,源於成長結構改變:影響消費者的場域更分散,找人的方式從興趣推測走向真實行為,素材也無法一套打完全場。

對此,Justar 運用 AI 結合電子發票數據,以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫,涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓(Persona),比對發票資料庫、找出真實買家作為種子受眾,而非僅依賴瀏覽紀錄或興趣標籤,再由 AI 自動擴充相似受眾、生成並優化素材,並依成效動態調整投放策略與預算配置。

張元溢強調,從真實種子到規模化放大,重點在於找到更多相似的人。同時觸及也須走出社群,延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容,藉創作者短影音加上跨場域廣告加深印象,才能為品牌實現「線上找到人,線下讓他記住你」的成效。

#2 SHOPLINE
圖/ 數位時代

BUNNYWORK 推 AI 營運特助,主動預警缺貨與滯銷也發掘成長機會

除了行銷之外,AI 也開始深入零售業的日常營運,協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出,電商營運常面臨幾大痛點:商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷,滯銷商品也往往要到季末才浮現。「營運方式不同,留下的利潤差很多。營收決定你做多大,營運才決定你能留下多少利潤。」

針對這些痛點,BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案,目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據,BUNNYWORK 則讓 AI 24 小時主動盯盤:根據銷售數據提前發出缺貨預警、產出補貨建議單,並每日掃描商品銷售速度,一旦偵測到滯銷風險,即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外,AI 也幫助電商看見潛在機會:偵測到爆款潛力的商品,提醒品牌提早加碼備貨、調整廣告資源,把握成長時機。

至於 AI 為什麼能提供可靠的營運建議?背後仍取決於數據基礎。周于如解釋,ERP 串聯商品、銷售與庫存等不同環節的數據,並即時同步多通路的商品與庫存資訊,讓 AI 掌握完整且即時的營運全貌,同時降低超賣風險。「唯有建立乾淨、即時的資料基礎,AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會,協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

#1 SHOPLINE
圖/ 數位時代

精兵團隊導入 AI,解決流程瓶頸再創高成長

從流量獲取到營運效率,AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出,OmniSegment CDP(顧客數據平台)能整合分散的顧客資料,建立 360 度顧客輪廓,進一步支援跨渠道的精準經營;旗下導購型 AI Agent「AgentBit」,提供對話式分眾,讓使用者與 AI 對話就能快速打包推播受眾,不再需要手動設定篩選條件;商品興趣預測則以 AI 學習客戶的行為軌跡,自動將高相關商品推送給高潛力買家;AI 智慧分析更只需透過問答,即時分析品牌檔期成效與提供優化建議,並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘,大幅提升行銷團隊協作效率,並支援逾 2,000 種 OMO 跨通路智慧推播,協助品牌更有效地觸及目標客群。

#0 SHOPLINE
圖/ 數位時代

HYPHY 品牌共同創辦人林又立分享,品牌長期透過 LINE 經營千人會員社群,希望在規模化經營的同時,仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後,團隊能透過 AI 對話快速完成受眾分群,並取得具體的行銷優化建議,降低操作門檻。以單檔活動為例,LINE 發送量僅為原先的 15%,點擊率卻提升 227%,EDM ROAS 更提升至原先的 3.3 倍,展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌,林又立也分享了務實的做法:「不要一開始練跑就想著今天要跑全馬,先踏出第一步,把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型,不如從具體的營運需求出發,逐步找到適合 AI 發揮的場景。

活動尾聲,葉力維也提醒,品牌導入 AI 前,應先盤點內部工作流程,找出真正影響效率與成效的瓶頸,再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上,才是關鍵。」與其為了導入 AI 而導入 AI,先解決實際問題,才能讓技術真正轉化為營運成果。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓