麻省理工學院（MIT）工程師團隊於2026年9月28日發表於《Nature Biotechnology》的重大研究中，成功運用資料效率極高的AI演算法，在短短數週內篩選出能讓mRNA疫苗在常溫下穩定保存的全新脂質奈米粒子（LNP）配方。這項技術突破了傳統mRNA疫苗必須依賴-20°C至-80°C超低溫冷鏈儲存的技術瓶頸。實驗數據顯示，運用此新配方的疫苗即使在室溫下存放長達一年，或在37°C（約98°F）高溫環境下保存兩個月，仍能維持完整效力。此外，研究團隊在小鼠實驗中證實，經過長期高溫儲存後注射的疫苗所引發的免疫反應，與使用類似Moderna原始配方的新鮮疫苗效果完全一致。這項研究由MIT Koch綜合癌症研究所的Ana Jaklenec與David H. Koch講座教授Robert Langer共同領軍，經費部分由蓋茲基金會贊助，象徵著AI驅動的生物醫學研發新典範已然成形。
本事件本質為純粹的科學技術突破與工程方法論創新，並未涉及明確的地緣政治角力或企業壟斷爭議，因此不宜生搬硬套利益博弈框架。應回歸其學術演進脈絡與深層技術原理進行剖析。
回顧mRNA疫苗的發展歷程，自2020年新冠疫情爆發以來，Moderna與輝瑞（Pfizer）相繼推出的mRNA疫苗雖驗證了技術可行性，但冷鏈依賴性始終是阻礙其普及化的最大結構性障礙。尤其是在非洲、東南亞及拉丁美洲等缺乏完善冷鏈基礎建設的開發中地區，冷鏈運輸成本往往佔據疫苗總成本的高達八成，形成嚴重的「健康不平等」。
從技術演進脈絡來看，mRNA分子本身極度脆弱，容易在常溫下降解，因此必須透過LNP作為載體進行保護。然而，現有FDA核准的LNP配方（如Moderna與輝瑞所採用者）其設計初衷是針對抗原遞送效率，而非熱穩定性。MIT團隊先前曾開發出聚合物穩定的LNP，但這些配方與現行FDA核准版本存在差異，無法直接沿用於現有疫苗平台，這正是過去研究「卡關數月」的根本原因。
此次突破的核心在於研究方法論的典範轉移：研究團隊轉向與MIT CSAIL（電腦科學暨人工智慧實驗室）合作，開發出能在極小數據集上進行精準預測的機器學習演算法。該演算法分析近50種FDA核准的賦形劑（excipients），透過螢火蟲螢光素酶（luciferase）報導基因系統量化每種賦形劑的保護效率，最終從中篩選出5種最具潛力的成分，並以反覆迭代預測的方式找出最佳比例。這種「小數據、高效率」的AI輔助研發模式，不僅將原本耗時數月的篩選過程縮短至數週，更為未來面對新興傳染病時的快速疫苗開發立下嶄新標竿。
對比1970年代重組DNA技術的誕生、1990年代單株抗體的商業化，以及2020年mRNA疫苗的緊急授權，每次生技典範轉移都遵循「技術突破—製造成本下降—應用場景爆發」的演化路徑。MIT此次的研究成果，正處於此演化鏈的成本下降拐點。基於此脈絡，可預測以下三種未來情境：
面對這項mRNA技術的歷史性突破，相關利害關係人應採取以下戰略行動：
01 起因觸發：MIT運用AI演算法成功篩選耐熱LNP配方，突破mRNA疫苗冷鏈限制
02 一階傳導：Moderna、輝瑞等mRNA疫苗大廠加速技術迭代，冷鏈物流需求面臨結構性下降
03 二階擴散：AI製藥新創公司估值看漲，開發中國家疫苗可近性大幅提升
04 宏觀終局：全球公衛體系邁向去中心化，微型針貼片催生「郵寄疫苗」新經濟模式
因果網路圖譜 3 節點
可拖曳節點 · 點兩下開啟文章