ViewsML 获 490 万美元种子轮超额认购：AI 虚拟染色技术正将病理学从实验室搬进软件，加速药物开发与精准医疗

当病理学家需要分析肿瘤组织中的特定蛋白质表达时，传统做法是花费数天甚至数周时间进行化学染色。ViewsML 刚刚获得的 490 万美元超额认购种子轮融资，试图用软件彻底取代这一过程——但问题在于，生物医药行业会信任一个“虚拟”的染色结果吗？这家由 Wittington Ventures 领投、Mayo Clinic 跟投的初创公司，正在构建全球首个虚拟生物标志物库，试图将免疫组织化学从实验室流程转变为可扩展的软件驱动工作流。它的野心很大，但前方的路同样崎岖。

当 AI 开始“看见”细胞内部的秘密

ViewsML 的核心技术听起来像科幻小说：它不需要传统的实验室染色，而是直接从病理切片图像中，利用 AI 生成每个细胞的生物标志物洞察。这相当于让计算机拥有了“虚拟抗体”，能够识别组织样本中哪些细胞表达特定蛋白质。CEO Kenneth To 将这项技术定位为“解决药物开发和诊断中的关键瓶颈”——传统染色不仅耗时，而且会消耗宝贵的组织样本，尤其是在肿瘤活检中，样本往往只有针尖大小。ViewsML 的虚拟染色能在几分钟内完成分析，并且不消耗任何组织，这为后续的基因组测序或其他检测保留了珍贵的材料。从技术路径上看，它并非简单的图像增强，而是建立了一个从组织形态学到分子表达的映射模型——这意味着它需要海量的配对数据（同一张切片的染色图像和未染色图像）来训练。

它的客户名单很短，但电费账单很长

目前 ViewsML 的合作方包括制药公司、医院和诊断实验室，覆盖转化研究、临床试验和精准医学领域。但一个不容忽视的现实是：这些早期客户更多是“探索性合作”，而非大规模采购。病理学是一个高度依赖验证的领域——如果 AI 生成的染色结果与真实化学染色存在 1% 的偏差，就可能影响诊断结论。ViewsML 必须通过严格的临床验证，才能赢得 FDA 或 CE 的监管批准。而这个过程本身就需要数年时间和数千万美元。与此同时，训练这些模型需要庞大的计算资源，每一轮虚拟染色背后都是 GPU 集群的轰鸣——这解释了为什么它需要融资，也解释了为什么它的商业模式必须从“按次收费”转向“平台订阅”，才能摊薄成本。

真正的销售挑战：让客户为“潜力”付钱

ViewsML 面对的是一个保守且高度监管的市场。制药公司和医院病理科习惯于使用经过数十年验证的化学染色方法。虚拟染色虽然承诺更快、更便宜，但它本质上是一个“黑箱”——医生无法直观地看到染色反应过程，只能相信 AI 的输出。这意味着 ViewsML 的销售过程不仅是技术推销，更是信任建立。它需要发表同行评审论文、参与大型临床试验、甚至与监管机构进行预提交讨论。Kenneth To 的团队背景是关键——如果核心团队缺乏病理学或药物开发领域的资深人士，说服客户将更加困难。此外，Mayo Clinic 的参与是一把双刃剑：它提供了临床验证的渠道，但也可能让其他医院系统产生“这是竞争对手的工具”的警惕。

投资逻辑：赌的是“虚拟染色”能否成为新标准

Wittington Ventures 和 Mayo Clinic 的领投与跟投，反映了两种不同的投资逻辑。Wittington 作为风险投资机构，赌的是 ViewsML 能够将病理学从手工操作转变为软件驱动，从而催生一个全新的市场——类似于 AI 在医学影像（如放射学）中已经实现的变革。而 Mayo Clinic 的参与则更务实：它希望获得一个能够加速内部研究、降低临床试验成本的工具。490 万美元的超额认购表明，投资者对“虚拟生物标志物库”这个概念感到兴奋，但这一金额对于需要建立大规模临床验证数据集的初创公司来说，仍然偏小。ViewsML 很可能需要在 12-18 个月内进行新一轮融资，届时它必须展示出更具体的商业化进展——比如与大型制药公司签订付费合同，或者获得监管机构的“突破性设备”认定。

前景与风险：一个需要耐心和运气的赌注

ViewsML 的技术方向无疑是正确的：将病理学数字化、自动化是行业的大趋势。它的虚拟生物标志物库如果成功，将大幅降低药物开发成本、缩短诊断时间，并让更多患者能够接受精准医疗。但风险同样显著：技术验证的漫长周期、监管审批的不确定性、以及竞争对手（如 PathAI、Paige.AI 等同样在 AI 病理学领域布局的公司）的挤压。Kenneth To 需要证明，ViewsML 不仅是一个更好的“染色工具”，而是一个能够改变药物开发流程的平台。如果它只解决了“速度”问题，而无法解决“信任”问题，那么这 490 万美元可能只是漫长烧钱之路的开始。最终，ViewsML 的命运将取决于它能否让病理学家相信：虚拟的染色，和真实的一样可靠。