最后一章，把前面十四章攒下的工具箱摆在一起，看看"下一颗神药"正在从哪几条路长出来。每条路都是前面某一章逻辑的自然延伸——这本书的弧线，其实还在继续延伸。
ADC：把化疗绑上导弹
第十章说过抗体的局限：它只会"标记和按住"，杀伤力靠召唤免疫细胞，有时不够。思路升级一步：既然抗体认路（能精确找到癌细胞），化疗药杀伤力强（但误伤全身），那就把两者焊在一起——ADC（抗体偶联药物：抗体做弹体导航，拖着一个高毒性小分子弹头）。抗体找到癌细胞、被吞进去，弹头在癌细胞内部才释放——毒药只在目标家里爆炸。代表药物 Enhertu（靶向 HER2 的 ADC，可以看作赫赛汀的武装版）在一些晚期乳腺癌里取得了过去不敢想的缓解率，2020 年代以来成为肿瘤管线里最热的赛道之一。它不是新范式，是两个旧范式的焊接——但工程上的焊接往往就是这样开创新时代的。
基因编辑：不修症状，修源代码
前面所有的药——包括 mRNA——都遵守一条边界：药效会过期，要一直吃。基因编辑打破的就是这条边界。CRISPR（细菌免疫系统里演化出的一套"可编程分子剪刀"，给它一段向导 RNA，它就只在指定的那一段 DNA 上剪一刀）让"直接修改病人的基因"从科幻变成门诊操作。2023 年底，第一个 CRISPR 药物 Casgevy 在英国和美国获批，治疗镰状细胞贫血和地中海贫血：抽出病人的造血干细胞，在体外用 CRISPR 剪开一个开关（重新激活胎儿型血红蛋白基因），再输回去——一次治疗，终身缓解。
它把第九章格列卫的逻辑推到极限：格列卫是"知道病因后设计钥匙"，Casgevy 是"知道病因后直接改病因"。代价和门槛也照比例放大：一次治疗定价两百多万美元，制造流程为每个病人单独定制。这是创新药经济学的极端形态——当"治愈"只需要一次，定价的锚就彻底离开了"每片药的成本"。
AI：能不能把"十年十亿"打下来？
回到第一章的漏斗：一万个分子里活一个，每一步都要烧时间和钱。AI 的切入点不在替代实验室，而在压缩漏斗的每一层。最著名的一步是 AlphaFold：2020 年它把"从氨基酸序列预测蛋白质三维结构"这个困扰学界五十年的问题推进到接近实验精度——知道靶蛋白长什么样，是理性设计钥匙（第九章）的第一步。在它之外，生成式模型正在尝试直接设计新分子，机器学习在做毒性预测和临床试验设计。第一批"AI 参与设计"的分子已经进入临床——但要诚实地说：至今还没有一个完全由 AI 设计、走完三期获批的药，"AI 把研发周期砍掉一半"目前仍是愿景而非事实。AI 改变的是漏斗上游的筛选效率，人体试验那十年的生物学时间，暂时无法压缩。
两百年的弧线
把这本书的十五章压成一条线，你会看到三个清晰的阶段：
- 从自然界找（阿司匹林、青霉素、青蒿素、他汀）：自然早就造好了答案，人类的任务是发现它和放大它；
- 照靶点设计（格列卫、赫赛汀、索非布韦、PD-1）：先搞清病因的分子机制，再反推药物——运气退场，因果登场；
- 直接编程生命（重组胰岛素、GLP-1 改造、mRNA、CRISPR）：药不再是分子，而是图纸、指令和对生命系统的直接改写。
但有些东西两百年没变：沙利度胺立下的规矩仍在替每颗新药把关；第一章的经济学仍然成立——每一颗神药的标价里，仍然装着一万个失败同类。理解创新药，最终理解的是一件事：医学的进步不是天才的灵感时刻，而是制度、工程学和无数个远藤章式的死磕，把运气的权重一点一点挤出去的过程。下一次你在新闻里看到"某新药获批"，你会知道它身后那条线有多长。