AI 从文献里挖药，我想起了去年那批血亏的课程

今天看到 DGIdb 用 AI 从 3800 万篇文献里挖药物靶点，准确率 97.8%，88% 是数据库没收录的新发现。看到这个数字的时候，我第一反应不是”哇好厉害”，而是想起了去年我写的那三个 AI 课程——每个几十万字，加起来卖了不到 30 块。

Open Table of contents

为什么我会血亏？因为我在做”人工挖掘”

去年刚入行的时候，我在闲鱼接单定制 AI 指令，9.9 一份，一份要写半天。那时候我干的事儿，本质上和 DGIdb 团队之前做的一样——人工从海量信息里筛选有用的东西。

他们是从 PubMed 的 3800 万篇文献里找药物-基因交互，我是从各种 AI 工具的文档、教程、案例里提炼”最佳实践”。区别在于，他们现在用 AI 做这件事了，而我当时还在傻乎乎地手工整理。

结果呢？我写了三个课程，每个几十万字，累得要死，最后卖了不到 30 块。为什么？因为信息更新太快了。我刚整理完 ChatGPT 的用法，GPT-4 就出来了；我刚写完 Midjourney 的教程，Stable Diffusion 就火了。

人工整理信息的速度，永远跑不过 AI 的迭代速度。

DGIdb 的这个 dgiLIT 方法，让我想到一个问题：如果 AI 能从文献里挖药物靶点，那它能不能帮我从海量的 AI 工具更新日志里挖”赚钱机会”？

我现在卖 AI 账号，主要是 Cursor、Claude、ChatGPT 这些。每次这些工具更新，我都要第一时间去看更新日志、测试新功能、判断会不会影响我的生意。比如 Cursor 更新了新的 AI 模型，我就得赶紧测试我的换号器还能不能用；Claude 断供了某个地区，我就得赶紧找新的供应商。

这些事儿现在都是我手动做的。但如果有个 AI 能帮我自动监控这些工具的更新、自动分析哪些更新会影响我的业务、甚至自动给我推荐应对策略——那我不就能省下大把时间，去做更重要的事儿了吗？

说实话，我现在还没找到这样的工具。但看到 DGIdb 的案例，我觉得这事儿技术上应该是可行的。也许我该去找找有没有类似的产品，或者干脆自己搞一个？

AI资讯图片

今天还有一条新闻让我挺在意的：卵巢癌研究发现，肿瘤里脂肪细胞越多，患者越危险。脂肪细胞比例每增加 10%，死亡风险就增加 41%。

这个发现对我来说有点微妙。我关注 AI 生命科学，是因为我想借 AI 实现长生不老——听起来像民科，但我是认真的。所以我看这类新闻的角度很直接：这个技术，什么时候能让我这种普通人用上？

脂肪细胞和肿瘤的关系，以前大家都知道，但一直没太重视。这次研究把它量化了，还找到了明确的治疗靶点。这意味着什么？意味着未来可能会有针对脂肪细胞的抗癌药物。

但问题是，从”发现靶点”到”药物上市”，中间还有多远？我不懂生物医学，但我知道新药研发通常要 10 年以上。那我现在 30 多岁，等这药上市的时候，我都 40 多了。

这就是我对 AI 生命科学又期待又焦虑的原因——进展是真的有，但离普通人用上还太远。

说实话，今天的日报没有让我特别兴奋的东西。DGIdb 的 AI 挖文献很厉害，但离我的生活有点远；卵巢癌的脂肪细胞研究很重要,但我也不知道什么时候能变成药。

唯一让我有点感触的，是想起了去年那批血亏的课程。那时候我还在傻乎乎地手工整理信息，现在想想，真是浪费时间。AI 能做的事儿越来越多，我这种”卖铲子的人”，也得想办法用 AI 来提升效率。

不然哪天 AI 把我的活儿也干了，我就真的只能躺平了。

对了，最近在大理的咖啡馆发呆的时候，经常想一个问题：如果 AI 真的能让人长生不老，那到时候我还会不会想继续卖账号？

我也不知道答案。但至少现在，我还得继续干活，因为账单不会等我想明白这个问题。

📰 完整版日报请看 BioAI 生命科学日报