工业和信息化部、国家发展改革委等十部门联合印发《医药工业发展“十五五”规划》，将计算医学与人工智能、量子计算、超级计算并列为赋能药物研发的核心新技术。在此之前，计算医学对于不少公众甚至产业从业者而言，仍是相对陌生的概念，它既不同于大众熟知的AI制药赛道，也并非单一算力工具的简单延伸，而是一套面向疾病全系统解析的全新技术体系。随着这份国家级规划的正式发布，计算医学从此前的学术研究和小范围产业实践，正式进入全国医药工业创新的核心布局序列，成为支撑我国创新药产业升级的关键底座技术。

中国特色计算医学路径锚定产业应用方向

　　计算医学作为独立研究领域已有二十余年发展历史，国际学界早期对其的定义，主要是依托数学、工程学、计算科学等学科理论知识，通过量化分析与疾病机制模拟，助力疾病诊断、机制研究与精准治疗。我国的计算医学研究从起步阶段就更加强调产业落地属性，相关研究和实践始终围绕实际药物研发需求展开，将海量生命大数据、人工智能、高性能计算与疾病机制研究深度融合，搭建起覆盖多环节的一体化技术框架，这一技术路径也被明确定义为药物创新的基础技术。

　　中科计算技术西部研究院研究员、图灵-达尔文实验室副主任赵宇指出，生命系统并非基因、蛋白质、细胞的简单叠加，针对肿瘤、代谢病、免疫疾病等复杂疑难病症，必须打通多尺度生物医学数据，搭建可精准描述疾病状态、发病机制、药物干预全过程的动态模型。近年来，计算医学的研究对象从单一分子、细胞，逐步延伸至组织、器官、个体患者，形成以定量模型解析健康与疾病状态、还原生命系统动态变化的研究体系，打破了传统医学研究拆分式分析的局限。

　　2023年，由科研院所相关团队组成的研究组在《科学与社会》上刊发研究成果，明确将计算医学定义为药物创新的“底座技术”，即通过多尺度生物数据整合建模，解码疾病核心机制与药物疗效逻辑，为药物研发全流程关键决策提供科学支撑。在产业端，由科研院所孵化的本土企业也已在疾病精准建模、全新靶点挖掘、患者数字化建模、虚拟临床研究等核心方向持续深耕，推动计算医学从学术概念转化为药物研发的实战工具。

　　作为这一技术路径的实践成果，相关本土企业近日发布了WHIRLPO计算医学平台，为生命世界模型训练、迭代与产业应用提供工程化支撑。该平台整合算力、生命数据、模型、科学工具与智能体，衔接疾病机制研究、靶点发现和虚拟临床研究等任务，并将计算产生的假说交由实验验证，再用实验数据反馈优化模型，形成持续迭代的闭环，让原本停留在实验室阶段的计算医学技术，真正具备了面向全行业开放服务的能力。

与主流AI制药形成差异化技术路径

　　当前行业内不少从业者容易将计算医学与主流AI制药概念混淆，二者实际上存在清晰的边界差异。主流AI制药的应用大多集中在蛋白结构预测、靶点分子筛选、化合物理化性质预判等单一环节，核心目标是提升某一个研发步骤的运行效率，相当于给传统药物研发的单个环节装上了“加速引擎”。而计算医学的核心逻辑完全不同，它侧重以疾病为核心的系统建模与决策框架，旨在搭建可验证的真实疾病模型，解答靶点如何驱动疾病、干预后疾病系统变化及患者获益等核心问题。

　　计算医学整合了机器学习、知识图谱、多组学整合、因果推断、数字孪生等多元技术，不局限于单一算法的迭代优化，而是跳出了过去医药创新拆分式研究的惯性思维，用复杂性系统科学的整体论作为思维方式，去理解生物分子、细胞、组织器官之间相互作用产生的新属性，系统捕捉疾病发生的完整机理。以往受限于数据、算力、算法能力水平，解析生命活动的复杂系统特性难度极高，医药创新往往只能选择单靶点或多靶点的局部研究路径，难以反映疾病在人体内部的真实运行情况，这也是长期以来创新药研发效率、成功率面临“双十魔咒”的核心症结所在。

　　在实际的药物研发场景中，计算医学的介入方式也和传统AI制药工具完全不同。传统AI工具大多是研发人员在完成某一步实验后，将数据导入系统做快速分析，输出结果后再回到实验室开展下一轮验证。而计算医学的疾病模型相当于在数字空间里搭建了一个和真实人体疾病运行逻辑高度匹配的“数字孪生副本”，研发人员可以直接在这个虚拟模型上模拟不同靶点干预后的全系统反应，不用每一次假设都先投入大量资源开展实体实验，从根源上减少研发方向走偏的概率。

　　不少行业从业者也在关注，计算医学搭建的疾病模型是否能完全覆盖所有复杂疾病的运行细节，部分特殊罕见病的样本数据不足是否会影响模型的准确性，这类技术的落地应用是否会改变现有药物研发人员的工作模式，这些尚未完全明确的开放性问题，也成为接下来产业落地过程中需要逐步探索解答的方向。

技术纳入国家规划的产业基础已经成熟

　　计算医学在2026年正式被写入《医药工业发展“十五五”规划》，并非偶然的政策选择，而是国内相关领域多年积累后水到渠成的结果。这一布局的核心背景，首先是多维度生命数据已经完成规模化积累，十余年来，基因组、转录组、蛋白组、单细胞、空间组学、医学影像、数字病理、真实世界临床数据持续爆发，让人类首次具备从微观分子到宏观个体、多尺度观测生命状态的能力。但掌握海量数据，并不等于人类可以直接读懂疾病，数据之间如何建立关联、因果关系如何判定、靶点干预后人体系统如何响应，这些核心问题依靠传统的数据分析方法根本无法解答，必须依靠计算医学搭建的系统模型才能完成解析。

　　另一个核心支撑条件是国内核心计算基础设施实现了跨越式升级，人工智能技术提供了高效建模与智能推理的工具，超级计算平台的算力供给能力大幅提升，过去需要耗费数年时间才能完成的多组学数据整合运算，现在可以在短时间内完成处理，为计算医学的大规模落地提供了充足的算力保障。政策将计算医学纳入前沿技术布局，核心目的就是打通从算力资源到医药创新成果的转化通道，完成全链条的闭环转化，避免大量算力资源和生命数据停留在零散应用的层面，无法转化为实实在在的药物创新成果。

　　判断计算医学技术价值的核心标准，完全聚焦于真实产出，而非纸面的算法参数或者概念热度。具体的评价维度包括是否形成了对疾病的全新认知、挖掘出此前从未被发现的新机制和新靶点、能够精准筛选出对应药物的获益患者群体、提前预判研发过程中可能出现的失败风险，最终形成可落地的实证证据，同时为药物研发企业的技术决策和监管部门的审评决策提供科学支撑，所有环节的价值最终都要落到实际的药物研发产出上。

　　未来五年是计算医学从概念走向全面产业落地的关键时期，相关技术的实验校验和临床检验的产业落地，将为中国创新药产业的跨越式升级提供核心支撑。按照《医药工业发展“十五五”规划》明确的发展目标，到2030年，我国首创新药占全球比例将超过四分之一，计算医学的规模化应用，将为这一产业目标的实现提供不可或缺的底层技术动力，推动整个国内医药工业的创新模式从过去的经验驱动，逐步转向数据与系统模型驱动的全新发展阶段。

(编辑：曲昂)