Highlights & News

发表日期： 2026年7月31日

2026年，全球首批两款诱导多能干细胞（iPSC）来源再生医疗产品上市，正式验证了iPSC技术在安全性与可行性方面的临床潜力，也为全球产业打开了监管发展空间。

然而，iPSC衍生细胞治疗产品分化制备涉及多步骤、多参数的精密调控，传统生产极度依赖资深科研人员的“手感”和经验，批次间的可重复性与一致性难以把控，导致质控环节成本居高不下，成为制约iPSC疗法从实验室走向大规模临床应用的核心瓶颈。

为突破iPSC产业化瓶颈，7月29日，中国科学院香港创新研究院人工智能与机器人创新中心（CAIR）联合广州瑞臻再生医学科技有限公司（瑞臻再生医学），共同发布细胞治疗行业首个多模态AI大模型——CytoMetrix 瑞启智元RegenverseCell-GPT（RC-GPT）V1.0。

RC-GPT V1.0是行业首个完成概念验证并将AI技术系统性嵌入诱导多能干细胞（iPSC）分化制备全流程的多模态AI大模型框架，为iPSC来源细胞治疗产品从“手工艺式”生产迈向“AI智造”标准化时代，提供了可行的技术路径。

在核心技术层面，RC-GPT V1.0融合CAIR的先进算法框架与瑞臻再生医学的iPSC分化关键节点图像数据，打造出深度嵌入iPSC分化制备生产线的多模态AI决策系统。该系统依托LGT无创图像质控、效能预测模型、批次可比性算法、scML谱系分析四大核心功能模块协同运作，构建起从“分化过程监控”到“终末质量预判”再到“批次一致性保障”的完整闭环，实现AI技术在iPSC多类细胞分化制备流程中的系统性嵌入，为行业首创。

RC-GPT V1.0四大核心功能模块如下：

1. 多模态统一表征架构

将明场细胞图像、图像级形态学评分与基因表达、流式指标三类异构信息统一编码为表征 token，按"图像—图像属性—培养皿属性"的固定范式交织为统一序列，交由因果 Transformer 学习跨模态、跨时间点的联合依赖，在潜空间中实现形态学与基因信息的深度融合。

2. 自回归生成式预训练范式

采用下一 token 预测的自回归训练方式，单一模型即可同时学习图像表征、形态学属性与基因属性的演化规律，无需为不同任务分别建模。推理时，模型可从分化进程的任意中间节点出发逐步外推，预判后续乃至终末时间点的质量指标，具备灵活的部署能力。

3. 轻量化、可实时部署

全模型规模精炼、对计算资源要求低，单卡即可完成训练与推理全流程；实测推理阶段单 token 生成毫秒级完成、显存占用低，为产线级实时质控部署预留了充足余量。

4. 面向真实生产的鲁棒性设计

针对实际产线中图像缺失、指标不全等常态问题，RC-GPT 内置缺失数据掩码机制与空表征 token，使模型在数据稀疏、批次不完整的情况下依然保持稳定预测能力，从算法层面增强系统的工程鲁棒性。

在RC-GPT V1.0发布会上，CAIR主任刘宏斌研究员表示：RC-GPT V1.0将AI智能体系统性嵌入iPSC分化制备全流程，首次让“细胞智造”从概念落地生产线。这既是国内在“制造态虚拟细胞”这一全球前沿领域的首个落地应用，也为整个细胞治疗行业提供了一套可复制、可扩展的“AI细胞制备”新范式。瑞臻再生医学联合创始人、总经理张凌表示：RC-GPT V1.0的发布，标志着瑞臻再生医学从“细胞药物研发”向“细胞智造赋能”迈出关键一步。AI与CGT行业研发、生产的深度融合是产业化发展的必然趋势，RC-GPT V1.0作为行业首个完成概念验证的多模态AI决策系统框架，正是该发展方向的率先实践。

当下全球化进程中，虚拟细胞产业版图正加速成型。RC-GPT V1.0的发布，是CAIR在人工智能与再生医学深度融合领域的里程碑突破，更标志着我国在“制造态虚拟细胞”这一关键核心领域取得实质性进展——不仅实现对细胞的精准观测，更实现对细胞生产过程的有效驾驭，助力行业实现大规模、高纯度、高批间稳定性的细胞标准化生产。