Lady Gaga进军AI生物科技：用“活体皮肤”训练模型，筛选抗衰老成分

又一个圈外人开始跨界做 AI 了，这次是知名美国歌手、流行天后 Lady Gaga。

8 月 22 日，Lady Gaga（本名 Stefani Germanotta）在社交平台上首次公开了自己参与创办的生物技术公司 Outer Biosciences，以及公司的核心平台 Yuna。这家公司试图把机器学习、自动化实验与离体人体皮肤结合起来，希望从海量化合物中寻找新的抗衰老、抗炎和皮肤修复成分。公司目前已经融资约 2,300 万美元，并开始与美妆和制药公司合作。

（来源：X）

Outer Bio 成立于 2022 年，此前一直保持隐身状态。而此次，Lady Gaga 也并不是临时加入。近期接受采访时，其未婚夫 Michael Polansky 透露，这家公司最初的想法就来自 Gaga，她参与了公司的创办，并一直担任董事，只是因为公司并不面向消费者，此前就没有公开强调她的身份。

值得一提的是，Polansky 本人有着典型的科技和投资背景。他毕业于哈佛大学，主修应用数学与计算机科学，之后曾在 Bridgewater Associates、Founders Fund 等机构工作，并长期参与 Sean Parker （Facebook 创始人） 的投资和医疗公益项目。Outer Bio 目前也由他担任 CEO，负责公司日常运营。

图｜Michael Polansky（来源：Outer Bio）

对于 Lady Gaga 来说， 这次跨界也多少有一些前史。她早在 2019 年就创办了美妆品牌 Haus Labs，两家公司也做过部分联合项目。

不过，新公司并不是 Haus Labs 的研发部门，其商业模式更接近一家独立的 AI 生物技术公司：为美妆、原料和制药企业发现新的活性成分，并提供人体皮肤研究服务。

无论是开发护肤成分，还是研究治疗皮肤疾病的药物，在真正进入人体测试之前，研究人员通常都需要先在实验室里观察一种化合物会对皮肤产生什么影响：它能不能进入皮肤、是否有刺激性，会不会降低炎症，或者促进胶原生成和组织修复。为此，行业长期使用各种“皮肤模型”来模拟人体反应。

行业内常见的方法包括：培养单一类型的皮肤细胞、人工重建一层人体表皮，或者直接使用外科手术后获得的离体人体皮肤。前两种方法更容易标准化，也适合大规模实验，但与真实人体皮肤相比，细胞类型和组织结构都更简单；离体人体皮肤保留的信息更多，却面临另一个限制：离开人体后，通常只能维持数天到一周左右。

这对于测试刺激性等短期反应问题不大，但如果研究的是抗衰老、慢性炎症、胶原重塑或皮肤屏障修复，变化往往要经过数周才会逐渐显现。实验窗口太短，研究人员看到的可能只是整个过程的开头。

Outer Bio 的 Yuna 平台正是从这里切入。它主要使用整形等外科手术后原本会被丢弃的人体皮肤组织。公司称，这些组织通过生物样本库和中介机构获得，并经过知情同意和去标识化处理。通过持续供给营养并清除代谢废物，Yuna 可以让完整厚度的人体皮肤在体外保持超过 30 天的可测量状态，同时保留表皮、真皮、多种常驻细胞以及部分免疫相关分子程序。

图｜Yuna 的离体皮肤培养结构：完整皮肤组织放置在多孔支撑层上，表皮朝向空气、真皮一侧通过多孔结构进行营养和代谢物交换，并可在多孔板中并行培养。（来源：Outer Bio）

在此基础上，AI 被放进了一个实验闭环中。

按照 Outer Bio 公布的流程，大量化合物结构首先进入机器学习模型，由模型预测其生物活性和毒性；通过初筛后，再判断合成可行性、知识产权和商业化条件。候选物随后进入机器人高通量细胞实验，最终只有表现较好的少数化合物会在真实人体皮肤上验证。实验产生的转录组、生化和组织学数据又会重新反馈给模型，帮助下一轮筛选。

图｜Outer Bio 利用自有的人体皮肤组织数据训练机器学习模型，用于识别潜在靶点，并在实验前对大规模候选化合物进行筛选。（来源：Outer Bio）

公司称，目前其模型每年可以计算预筛约 7.5 亿种化合物，每个进入实验体系的化合物能够产生超过 3 万个多模态数据点。早期团队主要依靠论文和数据库“暴力搜索”候选成分，约 18 个月才得到几个潜在线索；引入机器学习后，公司称目前大约每 6 周能够产生一个新候选项目。

据 Polansky 本人透露，Outer Bio 目前有 6 个主要候选物正在推进，另外还记录了数十个早期“hit”。其中 4 个主要候选物被公司认为具有较高的商业化可能性。

然而，对于很多 AI 生物技术公司而言，真正稀缺的并不是模型，而是能够持续产生高质量生物数据的实验系统。

Outer Bio 面临的是相同的问题。互联网公司可以抓取海量文本和图片训练模型，但生物学领域并不存在一个现成的“互联网”可供抓取。人体组织数据需要通过一次次真实实验获得，而 Outer Bio 希望把这部分数据留在自己手中。

Polansky 表示，其公司目前所有 AI 工作都在本地运行，而不是放到云端，其中一个原因就是不希望核心实验数据离开自己的系统。相比训练大型语言模型，这套 AI 的算力需求并不算大，公司更看重的是长期积累的专有人体组织数据。

这种路线和目前一些 AI 制药公司的做法有所不同。例如 Vivodyne 同样希望通过人体组织数据改善药物研发，但它主要依赖实验室培养的类器官和微型人体组织，并通过自动化平台扩大实验规模。Outer Bio 则选择直接使用手术后的真实人体皮肤，希望保留更复杂的天然组织结构，并把实验时间拉长到一个月左右。

两条路线的取舍也很明确：人工培养组织更容易标准化和扩大规模，真实人体组织则更接近人体，但供体差异、样本来源和实验重复性都会成为问题。Outer Bio 也还远没有证明自己的路线已经胜出。

今年 5 月，Outer Bio 团队在 bioRxiv 发布了一篇预印本，利用 Yuna 模拟了持续性银屑病样炎症、衰老组织变化和 UVB 损伤，并观察到模型对部分已知干预出现了预期方向的响应。不过，这篇论文目前尚未经过同行评议，且所有作者均为 Outer Bio 员工和/或公司持股人。

1.https://outerbio.com/

2.https://www.biorxiv.org/content/10.64898/2026.04.30.721933v1

3.https://techcrunch.com/2026/08/21/michael-polansky-is-training-an-ai-model-on-skin-thats-still-alive/

文章来自于微信公众号 “DeepTech深科技”，作者 “DeepTech深科技”