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
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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