Anthropic 于 2026 年 7 月 20 日公布 AI for Science 计划的新一轮主题申请，这次聚焦罕见遗传病。获接纳的研究者可在六个月内获得最多 50,000 美元的 Claude credits，计划分为基础科学研究，以及帮助早期 biotech 加快临床开发两条路线，申请截止日期为 2026 年 8 月 2 日晚上 11 时 59 分（美国太平洋时间）。
Anthropic 认为，罕见病研究的难点不只在于模型能力，还在于数据分散、患者群体细小、疾病机制未明，以及从研究结果走到临床测试的流程很长。AI 可以帮助研究团队整合文献、病例、变异数据和有限数据，但这类工作仍需要临床研究者、患者组织和数据科学家共同确认，不能把模型输出当成诊断或治疗建议。
基础科学路线与 Monarch Initiative 合作。Anthropic 提到 Monarch 的 Mondo Disease Ontology 和 Monarch Knowledge Graph，用来整合来自不同数据库的疾病定义、基因型和表型数据。其 DisMech library 被描述为 agent-friendly 的机制疾病分类资源，让 Claude 可以读取病例报告、variant database、registry schema 和公开数据，再帮助研究者找出可供专家验证的机制相似性。
另一条路线面向早期 biotech，目标包括整理监管文件、分析治疗靶点是否适合不同药物形式，以及从个别遗传治疗中寻找共同机制。Anthropic 还列出 Every Cure、Centre for Population Genomics 和 Violet Research Institute 等合作例子，包括药物再利用、变异分类、生物信息流程和监管文件工作。这些是合作方或 Anthropic 所述的使用案例，不等于已经证实的临床成效。
计划的形式也值得留意。它提供的是 API credits 和 Claude Science access，而不是直接的现金研究资助；申请者仍要自行处理数据使用、患者隐私、专业审核、研究设计和监管要求。Anthropic 在文章中也承认，当数据太少、组织不佳，或涉及保险授权和医疗设施等非数据问题时，agent 的帮助会受到限制。
对 AI for Science 来说，真正的价值不只是把研究问题交给一个模型，而是把数据标准、知识图谱、工具权限、可追溯输出和专家验证串成一条工作流程。罕见病这种数据高度碎片化的领域，正好测试 agent 能否协助人类提出更好的假设，同时保持证据和责任边界清楚。
