瑞德西韋治療 COVID-19 有效嗎？來看看兩個初步研究結果

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

俄羅斯西伯利亞的科學家，於 2023 年 1 月的《科學報告》（Scientific Reports）期刊上，發表了一些看似能防止烤雞的外皮過焦，同時確保內部肉質鮮美多汁的技巧。比方說，一般作法「由外部加溫很危險，不是每次都能得到正向的結果…」。若改用微波，則「所需的溫度相對不高」，但要力求整體均衡，「不能只有外層受熱」。遺憾他們說了半天，卻跟食物無關，其實是在介紹如何安全又有效地，用特製的微波裝置，治療凍傷患者的四肢。^[1]

微波的對象與裝置

就像料理烤雞，得先弄來雞隻和烘烤的設備；進行這項研究前，需要滿足兩個條件：

1. 招募凍傷的人：在氣候冷冽的西伯利亞，要造成凍傷，難度並不高。不過，根據《赫爾辛基宣言》（Declaration of Helsinki），人體試驗應該符合倫理，將志願者可能受到的傷害降至最低。^[2]不能隨便把人往雪地扔的研究團隊，在當地 Tomsk 市的 2 家醫院守株待兔，期望意外凍傷的人自己找上門。2018 至 2021 年間，每年的冬季他們都耐心等候，總共蒐集到 14 名超過 20 歲的男性，簽署受試同意書。^[1]
2. 製作微波裝置：研究團隊精心打造的裝置（下圖），簡單來說，就是一台方便手腳伸進去加熱的微波爐。前面的圓形入口，包覆著具隔絕效果的金屬材質，以保護傷患與研究人員，免於非必要的輻射暴露。此裝置的微波頻率為 2.45 吉赫（GHz）；而功率可達 200 瓦特（watts；簡寫 W），即每秒產生200 焦耳（joule；縮寫 J）的熱能。^[1]換句話說，頻率與家用微波爐無異，功率卻低了數倍。^[3]

由於研究團隊只想幫傷患加溫，沒有要煮熟他們的意圖，便設定開到 60 瓦特。再加上操作時，會喪失些許熱能，最後傷患實際接收到的，大約僅有 30 至 40 瓦特。每個患部加熱 1 至 3 次，每次 30 分鐘。雖然感覺微溫，但不至於難受。9 名傷患接受上述治療；另外 4 個嘗試了不同的功率；還有 1 人則是時間長度減半。^[1]

加溫的原理

平均而言，當人體組織的溫度低於攝氏 15 度左右，血液和淋巴循環會停止。身體各部位略有差異，手指的下限是 19 度；而腳趾為 15 度。為凍傷患者回溫時，目標溫度大約是 20 到 25 度上下，要觸及整個患部，而非僅有表層。讓身體恢復運作，才能透過循環，順利輸送藥物。以往從外部加溫的作法，會舒張表層血管，卻容易在深層血管收縮的情況下，導致壞死和截肢等問題。相對地，低功率的微波可以穿透到組織深層，逐漸舒張血管，促進血液與淋巴的循環，不會有上述副作用。^[1]

凍傷的等級

凍傷依照程度，可以分為 4 個等級：^[4]

1. 第一級：麻木、脫屑、感覺異常、中央蒼白，以及周圍水腫或紅腫。^[4]
2. 第二級：起水泡，周圍紅腫或水腫。^[4]
3. 第三級：失去整層皮膚組織，還長了出血性水泡。^[4]
4. 第四級：不僅皮膚，連深層組織都喪失了。^[4]

微波的療效

此研究受試者的凍傷程度涵蓋上述四級，治療時除了微波，也採用標準療程的消毒與藥物，並視情況選擇是否手術。整體來說，科學家對微波相當滿意，覺得能降低截肢的機率。此外，雖然第一、二級的傷勢輕微，效果比較不明顯；但是他們認為無論初步評估的凍傷程度，每個傷患最好都要接受微波。因為診斷難免失準，若因此錯過治療時機，實在得不償失。^[1]

既然如此，未來遇到凍傷患者，是不是都該抓來微波一下？儘管研究證明了科學家的假設似乎可行，目前的受試者就區區幾名男性，不足以建立一套完善的操作指南。臨床上不同體型、年紀或性別的傷患，或許適合不同功率或時間長度的微波治療。這些都有待將來進一步試驗，才能推廣運用。^[1]

參考資料

1. Dunaevskiy G, Gavrilin E, Pomytkin A, et al. (2023) ‘Reduction of amputations of frostbitten limbs by treatment using microwave rewarming’. Scientific Reports, 13, 1362.
2. ‘WMA Declaration of Helsinki – Ethical Principles for Medical Research Involving Human Subjects’. (06 SEP 2022) World Medical Association.
3. ‘Radiation: Microwave ovens’. (01 JUN 2005) World Health Organization.
4. Basit H, Wallen TJ, Dudley C. (27 JUN 2022) ‘Frostbite’. In: StatPearls. Treasure Island (FL): StatPearls Publishing.

最受矚目的瑞德西韋，臨床試驗如何進行？

多國研究團隊於 4 月 10 日發佈了對於瑞德西韋（Remdesivir）初步療效的結果。初步顯示，使用瑞德西韋（Remdesivir）治療 53 名罹患新型冠狀病毒之疾病（COVID-19）的重症病人，有 36 例（約 68%）好轉。 ¹

瑞德西韋的臨床試驗設計：觀察疾病的變化，藉此判斷瑞德西韋的療效。

1. 研究限制：僅有實驗組（即提供 Remdesivir），缺少對照組（不給藥）。
2. 研究人數：53 名重症患者
3. 療效判定：以供應氧氣的狀態，區分疾病嚴重程度。
4. 嚴重程度分為 6 種等級
   • 等級1：不須住院/出院（discharged）
   • 等級2：住院，無須給氧（not requiring supplemental oxygen）
   • 等級3：住院，低流量給氧（low-flow oxygen）
   • 等級4：住院，非侵入式給氧（noninvasive mechanical ventilation）
   • 等級5：住院，侵入式給氧（invasive mechanical ventilation, ECMO）
   • 等級6：死亡（Death）

瑞德西韋（Remdesivir）的臨床試驗結果

本研究中的 53 人、治療 18 天，有 36 人好轉（68%），若拉長觀察至 28 天，則好轉比例提升至 84 %。

而 7 例（13%）給藥後仍然死亡。32 位患者（60%）出現副作用，為肝酶升高（暗示肝臟損傷），腹瀉，皮膚出疹，腎功能不全和低血壓。

治療後患者的狀態（追蹤 18 天）

由上表知，34 例嚴重等級 5 的患者（使用葉克膜，或侵入式給氧），總共有 19 人改善（8人出院、8人移除給氧裝置、3人改以非侵入式給氧）。無改善計 9 人，死亡 6 人。

與過往的紀錄比較，如：武漢市住院且接受侵入式給氧的 67 例患者，其死亡率為 66%（44 例死亡）。相較於本研究的瑞德西韋治療，約 13% 的死亡率而言，瑞德西韋似乎展現了治療潛力。

療效比較：越年輕、症狀越輕微越有效

再以「侵入式給氧」和「非侵入式給氧」分組，發現「非侵入式給氧」組好轉速度較快。而以年齡分組，可發現越年輕、好轉的更快。因此可知，即使給予瑞德西韋，年長患者仍有較高的風險。

初步結果中，有 84% 重症患者好轉，似乎瑞德西韋就是人類期待的真．勇者。但再次說明，此非最終結果，我們仍須保持冷靜。

使用瑞德西韋在受感染的猴子上，有療效嗎？

美國國家衛生院在 4/17 發佈新聞，說明讓猴子感染新型冠狀病毒後，用瑞德西韋治療，展現了療效^2,3 。

瑞德西韋的猴子試驗設計：觀察猴子肺部病毒量、X 光、犧牲後肺臟狀況，發現瑞德西韋對治療新型冠狀病毒疾病有幫助

• 研究限制：尚未通過同儕審核，為預先公佈
• 研究數量：12 隻猴子，6 隻給藥（實驗組）、6隻不給藥（對照組）
• 實驗設計：猴子感染新型冠狀病毒（SARS-CoV-2），感染 12 小時後開始給藥。靜脈注射瑞德西韋，每日給藥。觀察七天後犧牲動物。

瑞德西韋的猴子試驗結果

在首次治療 12 小時（感染後第 1 天）後，兩組病猴的支氣管沖洗液裡，其病毒RNA 量無差異。但瑞德西韋組的支氣管沖洗液，檢體的病毒感染力降低了約 100 倍，且第 3 天時，用藥組就再也沒有活病毒了（6 隻對照組病猴，仍有 4 隻驗出活病毒）。兩組的病毒 RNA 量沒有差異，但給藥組的病毒感染力較弱，顯示瑞德西韋可能阻礙了病毒的繁殖，讓它們無法產出活的下一代 ^註1。

另一個值得注意的是，儘管下呼吸道的活病毒減少，但用藥組的上呼吸道或直腸的病毒 RNA 量、感染力均未降低。研究團隊認為，此現象可能是藥物在體內組織分佈濃度的差異，可考慮設計其他給藥途徑，提高藥物在上呼吸道的濃度，從而減少患者透過鼻水、口水傳播活病毒的風險。

而從 X 光判斷肺部浸潤或病變，也發現用藥組的肺部病變較少。

治療第 7 天，犧牲動物。發現給藥組的「肺臟重量/體重比值」較低，顯示瑞德西韋改善了肺臟發炎（肺部發炎、充斥體液的現象越嚴重，肺臟重量越大）。

而肺臟外觀和組織學裡，6 隻給藥組的病猴，有 1 隻觀察到肺部病變；未給藥組則是 6 隻病猴全都發現肺部病變。在定性和定量層面，都暗示了瑞德西韋似乎有減輕病毒攻擊肺臟的潛力。

綜合兩篇研究，筆者觀點

• 兩篇研究皆有設計限制，因此瑞德西韋究竟是否有療效，或僅對感染初期有效？仍有待討論。
• 以人體試驗結果而言，瑞德西韋對重症患者可能有效。但並非靈丹妙藥，對年長者、呼吸能力非常衰弱的患者，仍有治療的極限。
• 以恆河猴的研究而言，筆者認為，關注的重點是「接觸病毒 12 小時後，立即給藥」，因此「即早投藥，避免發展重症」，可能是使用瑞德西韋的關鍵。
• 綜合兩篇研究，使用瑞德西韋治療最好的族群，可能是「感染初期的輕症患者」。而重症患者的治療，可能仍待科學界努力。

保持冷靜，繼續前進。Keep Calm and Carry On.

註釋

1. 感染力的實驗，是將檢體和活細胞（Vero E6 cell）共同培養，觀察活細胞被殺死的程度。RNA量未降低，但病毒感染力降低的現象，推測的原因可參考〈出現症狀就有高病毒量？新型冠狀病毒感染者體內的病毒量如何變化？〉一文。

參考資料

1. Jonathan Grein, M.D., Norio Ohmagari, M.D., Ph.D., Daniel Shin, M.D., George Diaz, M.D., Erika Asperges, M.D., Antonella Castagna, M.D., Torsten Feldt, M.D., Gary Green, M.D., Margaret L. Green, M.D., M.P.H., François-Xavier Lescure, M.D., Ph.D., Emanuele Nicastri, M.D., Rentaro Oda, M.D., Kikuo Yo, M.D., D.M.Sc., Eugenia Quiros-Roldan, M.D., Alex Studemeister, M.D., John Redinski, D.O., Seema Ahmed, M.D., Jorge Bernett, M.D., Daniel Chelliah, M.D., Danny Chen, M.D., Shingo Chihara, M.D., Stuart H. Cohen, M.D., Jennifer Cunningham, M.D., Antonella D’Arminio Monforte, M.D., Saad Ismail, M.D., Hideaki Kato, M.D., Giuseppe Lapadula, M.D., Erwan L’Her, M.D., Ph.D., Toshitaka Maeno, M.D., Sumit Majumder, M.D., Marco Massari, M.D., Marta Mora-Rillo, M.D., Yoshikazu Mutoh, M.D., Duc Nguyen, M.D., Pharm.D., Ewa Verweij, M.D., Alexander Zoufaly, M.D., Anu O. Osinusi, M.D., Adam DeZure, M.D., Yang Zhao, Ph.D., Lijie Zhong, Ph.D., Anand Chokkalingam, Ph.D., Emon Elboudwarej, Ph.D., Laura Telep, M.P.H., Leighann Timbs, B.A., Ilana Henne, M.S., Scott Sellers, Ph.D., Huyen Cao, M.D., Susanna K. Tan, M.D., Lucinda Winterbourne, B.A., Polly Desai, M.P.H., Robertino Mera, M.D., Ph.D., Anuj Gaggar, M.D., Ph.D., Robert P. Myers, M.D., Diana M. Brainard, M.D., Richard Childs, M.D., and Timothy Flanigan, M.D. (2020) Compassionate Use of Remdesivir for Patients with Severe Covid-19. New England Journal of Medicine. DOI: 10.1056/NEJMoa2007016
2. Antiviral remdesivir prevents disease progression in monkeys with COVID-19. 2020/04/17. National Institutes of Health
3. Brandi N. Williamson, Friederike Feldmann, Benjamin Schwarz, Kimberly Meade-White, Danielle P. Porter, Jonathan Schulz, Neeltje van Doremalen, Ian Leighton, Claude Kwe Yinda, Lizzette Pérez-Pérez, Atsushi Okumura, Jamie Lovaglio, Patrick W. Hanley, Greg Saturday, Catharine M. Bosio, Sarah Anzick, Kent Barbian, Tomas Cihlar, Craig Martens, Dana P. Scott, View ORCID ProfileVincent J. Munster, Emmie de Wit (2020) Clinical benefit of remdesivir in rhesus macaques infected with SARS-CoV-2. BioRxiv. DOI: https://doi.org/10.1101/2020.04.15.043166

• 作者／米勒（Joe Miller）、吳沙忻（Ugur Sahin）、圖雷西（Özlem Türeci）
• 譯者／陸維濃

跌跌撞撞

2020 年 1 月 11 日，多虧了任職於上海公共衛生臨床中心且思緒敏捷的張永振教授，他將新型冠狀病毒基因編碼的定序結果上傳至 virological.org 這個開源網站，跟其他所有的疫苗製造商一樣，BioNTech 也從中受惠。

在 1 月底那個重要的週末，吳沙忻研究了這份分子藍圖，並藉此草擬了幾種候選疫苗，但這些都只是紙上（或者該說螢幕上更為恰當）談兵而已。

要製造實際的疫苗材料，第一步就是為候選疫苗打造出 DNA 的原版複本，再以此為模板製造出 RNA。海茵（Stephanie Hein），也就是負責管理 BioNTech「RNA 倉庫」（一個用來為公司的疫苗及療法儲存抗原或疫苗目標的實際倉庫）的分子生物學家，很快制定了這些模板的基因序列。它們共含有多達四千個核苷酸，由五十到八十個核苷酸構成的小區塊組合而成，是一段完美無瑕的基因編碼。完成這個步驟之後，接著便進入選殖程序，並檢查序列的準確度。

這就是所謂的基因合成（gene synthesis），BioNTech 在多年前就針對這個方法建立了實驗室的作業程序，到了此時，這已是他們的常規作業。然而，某些候選疫苗的 DNA 模板選殖作業，其過程卻是出乎意料地曲折。海茵和她的團隊已經竭盡所能，卻仍無法讓個別核苷酸或序列片段以正確的方式接合起來。他們試過各種可能的方法，但每次分析選殖模板時，序列總是有問題。

另一個團隊早已急切地等著接收這些 DNA，好讓他們準備生產實際的候選疫苗，DNA 作業的遲滯有可能導致吳沙忻雄心勃勃的計畫有所拖延。雖然前面還有更大的挑戰等著他們，但是在 2 月中，光速團隊身處險境，他們被一項本該是最小的障礙給拖慢進度。

回想起這個意料之外的挑戰，吳沙忻非常冷靜。「有時候，」他若有所思地說：「實驗室就像是遭逢厄運。突然之間，久經試驗的日常程序不再有效，開始出現錯誤。這時你得排除問題，你會開始懷疑一切。你更換試劑，重複每個步驟，結果還是失敗。你覺得整個團隊就像一支連簡單傳球都做不好的足球隊，這顆球一直到處彈跳，啃蝕著你的自信心。在這種情況下，不能給團隊施加壓力。你不能批評他們，你必須鼓勵他們，建立他們的自信心。接著，突然間，球又滾動起來，每個人都像世界冠軍一樣地踢球。」

一開始，這種突然的轉折似乎難以捉摸。事實上，發現一位同事懷孕時，海茵又遭遇了進一步的挫折。因為選殖過程中會用到的康黴素（Kanamycin）對胎兒有毒，所以這位同事立刻被請出實驗室。海茵這麼說：「我們從三人團隊變成兩人團隊，其中一個還是兼職員工。」兩年來，這是她第一次不得不穿上實驗衣，親自動手做實驗。

接著， 在 2 月的某一天， 兩位生物化學家， 齊根哈斯（Thomas Ziegenhals）和德格慕勒（Johanna Drögemüller），想出了一個巧妙的解決方法。與其期待接合成功，他們建議製造團隊不如使用 BioNTech「RNA 倉庫」中現有的 DNA 模板來規畫流程，這些模板的特徵及長度，都和冠狀病毒疫苗所需要的模板很相似。這麼一來就減輕了海茵基因合成團隊的壓力，讓他們在知道自己沒有拖延整體計畫進度的前提下，可以專心地矯正錯誤。就跟選殖過程中遇到的其他問題一樣，這件事情來得突然，去得也快。

結果證實，新製造出來的序列是正確的。海茵的團隊開始製造出一個又一個完美的殖株。2 月底，他們完成了第一個疫苗建構體。

疫苗選拔賽

3 月 2 日，以齊根哈斯和德格慕勒的「倉庫」解決方案進行準備的疫苗製造專家，用海茵成功製造的 DNA 模板生產出第一批產出 RNA。他們將材料倒入一個五十毫升的袋子裡，並立即在攝氏零下七十度進行超低溫冷凍，以確保分子的穩定性。

BioNTech 梅因茲總部外，有輛車子正等著運送這批 RNA 前往位在維也納的保立馬，這趟運送過程所費不貲。家族企業保立馬已與 BioNTech 建立合作關係，並擁有專業技術能將 mRNA 與阿奎塔斯脂質做結合。幾天後，裝滿疫苗的冷凍小玻璃瓶會被放在保麗龍盒裡，越過邊境運回 BioNTech。

BioNTech 的二十個疫苗建構體，每一個都會重複這樣的運送過程。電子郵件持續往返，以一種特勤工作人員護送總統的方式不斷更新狀況，像是「RNA 已經離開建築物」，或是簡單的一句「移動中」。

這顆球又開始滾動了，BioNTech 的團隊像冠軍球隊般地進行著這場比賽。

第一批裝著疫苗的小玻璃瓶很快就回到了梅因茲，由芙格領導的團隊開始設計一場疫苗選拔賽。

二十個候選疫苗互別苗頭，目標是找出能以極低的劑量引發免疫反應的疫苗，光速團隊會以這個方法選出後續用來進行臨床試驗的疫苗建構體。在未來幾個月，這些選拔標準也會影響 BioNTech 決定以哪一個疫苗建構體來進行第三期臨床試驗，以及最終會向全世界提供哪一個疫苗建構體。

一開始，BioNTech 團隊計畫進行最簡單的「體外」試驗，其實就是在玻璃培養皿上進行。由兩位技術人員對細胞進行 mRNA 轉染，觀察細胞是否產生新型冠狀病毒棘蛋白的完美複製品。從科學的角度而言，這是很普通的試驗，但說到對後續供臨床試驗或商業用途而批量生產的疫苗進行品質檢查時，這些試驗就顯得非常重要。

動物試驗

接下來要在另外的地點進行動物試驗。以八隻小鼠為一組，將候選疫苗以低、中、高三種不同的劑量分別注入小鼠體內。注射完成後即開始監測有無副作用的跡象，六週的試驗期間內，研究人員每隔一段時間就會抽取小鼠的血液，進行數百次非成即敗的試驗。

由克蘭茲（Lena Kranz）和沃梅（Mathias Vormehr）率領的團隊則是在血液樣本中尋找兩種 T 細胞：CD4 T 細胞，又稱為輔助型 T 細胞，也就是扮演免疫反應發起者和指揮者角色。以及在外巡邏，天生具備「X 光視覺」，可以辨識並殺死施展偽裝術敵人的 CD8 T 細胞。

經常讓對方無法接話的克蘭茲和沃梅，就像是 BioNTech 的「穆德和史考利」（譯注：影集《X 檔案》的主角），他們在研究生期間就對 BioNTech 的癌症疫苗開發有所貢獻，此後也成為領先全球的 T 細胞偵探。

他們能夠判斷候選疫苗中所表現的新型冠狀病毒棘蛋白是否引發 T 細胞做出反應、免疫系統是否執行了它們所需的免疫反應，或是產生讓新冠肺炎患者病情惡化的反應。不過，克蘭茲和沃梅負責的試驗相當複雜，需要一段時間才能完成。

與此同時，芙格的團隊將利用技術已經相當成熟的酵素免疫吸附法（enzyme-linked immunosorbent assay，在生技界常以如人名般親切的字首縮寫 ELISA 表示）來判斷疫苗建構體是否能在小鼠體內誘發足夠的抗體。

ELISA 跟新冠肺炎疫情大流行後常用來檢測無症狀傳播，以及用來確定康復患者體內是否有抗體的檢驗方式很相似，但做法相對簡單。不過，ELISA 無法區別抗體是單純地與病毒結合，或者是以一種能夠中和威脅、阻止病毒進入健康細胞的方式與病毒結合。為了查明抗體是否發揮功效，芙格的團隊必須設計出具有「金標準」的實驗，也就是病毒中和檢測（virus neutralization test，VNT）。

BioNTech 已經具備檢測中和抗體的技術能力，他們在與輝瑞合作開發流感疫苗的早期階段就做過這類試驗：將培養出來的病毒，以及含有具備中和潛力的抗體血清一起注入健康細胞中，五天後進行檢查，觀察細胞是否死亡，或者抗體是否發揮了預防感染的效用。

這些過程都是在 BioNTech 的實驗室裡完成的，操作流感病毒的法規限制並不多。但面對具有高度傳染性的新型病毒，監管機構得採取更多保護措施，截至 2020 年 2 月底，全球已有三千人因新型冠狀病毒而喪命。

自 1970 年代開始，操作危險微生物時就要遵循分級制度，並採取相應安全措施。致死率約為 90% 的伊波拉病毒，被歸類為最危險的病原體，相關實驗必須在「生物安全等級第四級」（biosafety level four，BSL-4）的專門實驗室裡進行，操作人員必須穿著在災難電影場景裡會看到的全身防護衣，並使用獨立的呼吸裝備。

至於存在已有幾個世紀的流感病毒，如今大多數人體內已具備一些對抗流感病毒的自然防禦機制，則被歸類為「生物安全等級第二級」的病原體。操作這類病毒時，人員必須採取標準的防護措施，如穿戴手套和口罩，但幾乎不需要其他專業設備。

新冠肺炎的活體病毒樣本則歸類在生物安全等級第三級，也就是只能在「生物安全櫃」（biosafety cabinet）（譯注：或稱無菌操作台）中進行相關操作，生物安全櫃是一個由玻璃隔屏保護的工作空間，操作人員透過一個小縫隙將手臂伸入其中。

生物安全等級第三級實驗室的牆面、天花板和地板需要使用不透氣的建材，並設置附有密封門的前室，以及抗震的結構設計。實驗室的氣流必須嚴格受控，所有固定裝置都要能夠承受使用工業強度的化學物質進行定期清潔。

BioNTech 沒有生物安全等級第三級的實驗室，中和抗體檢測必須在外部承包商提供的空間進行。這麼做的花費相當昂貴，因為得將數千個樣本放在超低溫冷凍容器中來回運送，計畫進行的速度也會因此慢下來。不用懷疑的是，承包公司只會在正常工作時間內上班，對疫苗建構體進行依序地而非同時的檢測。待數據蒐集、配方調整和再次檢查錯誤等工作都完成後，光速團隊才會初次看到相關數據，那會是三至四週後的事，疫苗評估作業的速度將大幅減緩。