被《医学科学报》四个整版报道的计算医学分论坛都讲了什么？
2023年4月7-9日，中国创新药物（械）医学大会暨CMAC年会在苏州国际博览中心成功举办，大会共设有100+分论坛，30+学术沙龙活动和50+医企交流活动，为进一步将大会最新前沿信息第一时间传递给广大医学同仁，我们将报道其中的精彩部分，以飨读者。
“计算医学：认知生命的新技术体系”分论坛聚集了来自不同学科与领域的专家，围绕计算医学的定义、应用、现状、挑战、机遇与前景等展开了一场别开生面的学术交流会。在这些各抒己见、自由表达的多元声音中，有丰富的数据、真实的案例、辩证的分析、科学的解决方案，也有乐观的希冀，他们共同为计算医学描绘了一副多维度的“面孔”。
01
计算医学 “剧” 正上演
张伟
寻找异中求同的最大公约数
张 伟
中国药品监督管理研究会会长
近十年来，计算机建模和仿真的战略地位显著提升。2020年，国家药品监督管理局发布《模型引导的药物研发技术指导原则》，2022年《“十四五”医药工业发展规划》提出，以新一代信息技术赋能医药研发。通过对生物学数据挖掘分析、模拟计算，提升新靶点和新药物的发现效率。
最近欧盟已经出现通过认可或者正在与监管机构沟通的新模型。从模型研发的案例来看，发展能够预测患者个体对疾病进展或治疗反应的特异性模型是一项重要议题。
从全球来看，要将科学工具转化成监管科学工具、研发决策工具中的内在运行机制，一要各利益方全程同步参与研究，将研究过程及时总结并公开。二要通过应用场景引导科学工具向监管科学工具转化。三要贯彻以患者为中心的医药研发第一价值理念，重视临床转化。
面向未来，中国最关键的是要形成行业共识与合作机制，找到异中求同的最大公约数，并形成理念的转化。
下一步我们希望搭建平台，让更多的业界、监管部门、临床试验融入其中。
谷成明
希望AI如佛，有求必应
谷成明
计算医学论坛主席、赛诺菲大中华区医学部负责人
此次大会特别设置计算医学论坛，希望不同学者通过交流碰撞出思想的火花。最近，我们正在做一个PICO的项目，就是把医学文献放到一个库里，做成一个平台，筛选出用户想要查询的资料，并通过生成式AI，不仅把文献的摘要做出来，还能够生成音频和视频。
这样用户可以利用碎片化的时间，学习相关的文献资料，不单单是枯燥的文字，还能够利用知识图谱以音频、视频的方式展示给用户，并且能够帮助用户进行多维度的分析、归纳、推理等。
人们常说 “佛有求必应”，如果AI真的能做到有求必应，我们就做了一件对社会非常有意义的、造福人类的事情。
未来，如果能给每个人做一个数字孪生体，或许临床研究就不需要那么多病例，每个病人未来发展成什么样子也清清楚楚，这些成果都基于数据，需要加强算法与算力。
以后的医疗决策除了依靠医生的经验，还必须以数据驱动的证据链条为基础，真正做到个体化精准治疗。期待未来计算医学能够真正地服务于人类健康。
谭光明
“计算+医学”必须以患者为中心
谭光明
计算医学论坛主席、中科院计算所高性能计算机研究中心主任
最近，我们看到具有革命性的人工智能技术密集亮相，有专家提出，这是一场 “发生在当下的科技革命”。从 “科技革命” 的视角，我们可为 “美好的未来” 愿景设置几个思考方向。
一是技术变革驱动战略机遇，战略变革畅通技术进步，形成发展循环。人工智能带来的生产力提高效果和人工智能驱动的战略机遇期已经显现，这是现有产业生态一次 “变道” 的机会，对我国医药领域的意义尤为突出。
二是审视科学技术的 “第一性原理”。2022年，我们计算医学团队提出了 “AI制药需要遵循生物医药的第一性原理——以患者为中心”，将原本繁杂的技术指标收缩为对生命和疾病可解释性的追求。
三是技术进步终将回归到 “问题” 上。人工智能具有非常强的 “工具” 属性，不能仅就技术谈技术，还要建立 “问题” 与 “技术” 之间的桥梁。
回到生物医药领域，生命系统本身复杂特性形成的高维、高通量、多维融合的生物医学大数据，天然适合叠加人工智能技术。这一年来新的科学技术与临床需求、产业需求双向奔赴，从中产生了无穷无尽的交叉合作机会，这是整个医药行业不断升级的源泉。
赵宇
计算医学 “大幕” 已开启
赵 宇
论坛策划与主持、图灵·达尔文实验室副主任
本次计算医学论坛是第二届，邀请的人员既有监管部门从业者、基础科研工作者、临床一线医生，也有经济管理学者、跨国药企的研发负责人。他们每个人都从自身的工作领域出发，结合计算医学的特性，从不同维度描绘了计算医学的 “面孔”。
当今时代，数据可以使医生和临床科研人员从更多维度了解疾病发生发展过程，但这些复杂数据的处理已经远远超出个人的处理能力，急需新的方式与手段帮助药物研究者、医生从多维、立体、融合数据中摸索出规律，从而更精确地预测、预防、诊断和治疗疾病。因此，以数据和计算方法为主的计算医学应运而生并发展。这也预示着未来医学发展范式的转向。
未来，随着生物技术+信息技术的深度融合，以及数据成本的不断降低，行业认知不断加深，计算医学将为药物研发、疾病诊断新工具和新疗法的诞生提供可能性。随着这项新技术体系的自我迭代，随着 “数字孪生人” 建立，个性化医疗照进现实，医学研究、生物医药产业的发展将引入新范式。
当然，我们要探讨的议题还有很多，也需要不同学者、不同学科之间的深度融合与交叉，最终让计算医学服务全人类健康，助力健康中国建设。
02
多维度为计算医学 “描像”
吕本富
计算医学是IT和BT的结合
吕本富
中国科学院大学经济管理学院教授
IT或DT（数字技术）的发展有四个里程碑。2010年以前是第一个阶段，即记录革命，重在提高效率。2012—2015年进入第二个阶段，即分发革命，智能手机、互联网的普及造就了平台经济。2016—2021年是第三个阶段，即认知革命，AI的诞生催生了人机协作的模式。当下是第四个阶段，即体验革命，现在的信息革命注重听觉和视觉，而未来的元宇宙一定会实现触觉、味觉和嗅觉。
生物技术发展有三个里程碑。上世纪80年代以前是靶点和靶向药，其实就是先折叠蛋白质，再选靶，把小分子嵌进去，这是一个通用技术；本世纪初是基因组学，人类基因组、水稻基因组都有了，但人类基因组是一本没有太多注释的天书；21世纪是合成生物学，它不仅能解决医学问题，还能解决粮食安全、绿色减排等问题，所以这是一个横断面的学问。未来世界上可能还会有一个生物圈主义，在同一维度下解决同一类问题，这是同维竞争，也是未来最重要的一个思想。
在这其中，IT和BT（生物技术）的结合就是计算医学。现在IT领域已经发展到处理大数据的阶段了，也叫认知阶段，BT领域由于人类基因细胞测序也产生了很多大数据，因此在数据层面，实际上这两个学科已经形成了汇流。
做产业转化需要具备三种优势，第一是数据机的优势，第二是算法领先，第三是行动领先。在产业转化这条路上，每一家人工智能企业都应该思考自身的领先之处。
徐贵宝
生物医药企业进入数字时代
徐贵宝
中国信通院工业互联网产业联盟生物医药特设组副主席
数字化转型是生物医药企业发展的必然要求。生物医药行业具有高技术、高投入、长周期、高风险、高收益、强监管等特点。随着云计算、大数据、人工智能、区块链、物联网、工业互联网等新一代信息技术的快速发展，医疗健康各领域环节开始进入计算时代。
计算医学的本质是数字化技术在医学领域的深度应用，为生物医药领域全链条产业贡献全新洞见与解决方案。数字化技术有强大的能力，贯穿生物医药企业各个环节应用，包括研发、生产、流通、企业管理等。它能够帮助医药企业实现生产模式、业务模式或管理模式的创新，帮助打造全场景、全连接、全感知、全智能的数字孪生企业，使企业获得降本增效、高质量发展的竞争优势。
但生物医药企业数字化转型是一项复杂的系统工程，当前企业在数字化转型中仍然面临诸多痛点。中国信通院工业互联网产业联盟建立了生物医药企业数字化能力建设与评估体系框架，简称工匠模型（SMITHS模型），以期从战略与规划、管理与组织、设施与平台、人才与创新、技术与应用、安全与合规等各个方面为企业提供转型指引与评测服务。
刘巨洪
与FDA沟通数字化驱动的药物研发
刘巨洪
美国食品药品监督管理局生物制品CMC审评前主任
国内药企未来在出海时，如何与美国食品药品监督管理局（FDA）沟通数字化驱动的药物研发将是一项非常重要的议题。
FDA有两个重要的利用模型引导药物研发的申报途径。以模型引导的药物开发（MIDD）为例，MIDD涵盖整个药物开发的生命周期。对于创新药来说，可用于临床方案的建立、终点或标记、剂量和给药方案、获得监管机构的共识、为获批后的适应证扩增等提供支持。
药物研发企业需要说服FDA其利用的数学模型为什么是有意义的。模型引导的药物开发的关键词是 “数据”，因此药物研发企业要充分利用现有的临床数据，为临床PK/PD/终点提供指导。通过建立数学模型，整合所有能得到的临床、体外和临床前数据，然后根据经数学模型推论的数据，建立临床计划，并获得FDA的认同。
从审评者的角度来看，FDA实际上是一个非常愿意与企业共进的机构，它的目的之一是协助企业推动药物开发往前走。但是如何与FDA沟通？FDA提供了两种会议模式，MIDD Paired Polite Program和Fit-for-Purpose Initiative。这对于利用大数据建模方法驱动药物研发的企业而言是一个很好的机会，因此我们要善于利用FDA的会议沟通模式，争取获得FDA对自己建立的新药模型的认同。这是数字化驱动的药物研发成功与否的关键点之一。
梁煜
2025年AI制药可能迎来商业化拐点
梁 煜
智药局创办人
我们正处于技术奇点，一切旧有的经验和逻辑都需要重估，颠覆式技术创新将是时代的主题。
2020年，全球AI制药商业化加速。下一轮暴发式增长，不仅取决于出现一款由AI端到端辅助研发的上市药物，也寄望于突破式的技术奇点。预计2025年，AI+制药可能迎来商业化的新拐点。
从数据观察来看，近五年，行业融资数量及金额均呈增长态势。这片新兴蓝海吸引了顶尖高校人才、跨国药企高管纷纷入局，AI+制药商业模式走出验证期。
目前，全球累计 92 条AI药物管线进入临床（获批IND），其中以小分子药物为主，占比近八成。未来以基因、细胞治疗等为代表的大分子生物药将扮演越来越重要的角色。从这些药物的几大常见适应证来看，癌症位居首位，占比达51%。其次是神经系统疾病、免疫、代谢相关疾病。
中国已经布局了80家AI药企，主要集中于北京、深圳以及长三角地区。这些地区产业资源发达，科研院所较多，当地政策扶持力度较大，因此吸引了众多AI制药企业落户。
关于未来，我猜想，首先，AI技术突破会呈现出非线性增长趋势，技术奇点渐行渐近。其次，AI+制药科技属性将被重新估值。再次，AI+制药属于人才高壁垒行业，因此复合型团队显得愈加重要。最后，FDA征集AI辅助制药相关意见及建议，表明AI+制药已经进入了政策监管的视野。
03
计算为医学 “添翼”
杨剑飞
计算医学助推精准临床试验
杨剑飞
哲源科技首席科学官
计算医学需要由跨学科的团队与平台组成，通过整合超算系统、AI平台、分子与临床数据、海量文献以及生物信息等多方面内容与功能，实现药物开发的有效分析计算，并辅助决策。
以我们管线上的一个抗肿瘤药物为例，我们利用计算医学平台的 “TWIRLS棍棍” 把目标疾病的所有文献阅读一遍，先拥有目前地球上已知的所有科学知识，再以数据驱动的方式分析患者库中患者的数字孪生体，获得疾病机制、特定靶点与患者 “画像”。
众所周知，肿瘤存在时间与空间的异质性，肿瘤周围的免疫系统也特别复杂，因此只有拥有精确的患者肿瘤 “画像”，并伴随诊断，才能进入精准临床试验阶段。
通过计算医学平台，我们建立了CDK4/6抑制剂的响应机制模型，这个模型的效能在TCGA和我国患者的数据中都得到了验证，而后我们把这个目前用于治疗乳腺癌的药物放到了计算医学平台上，研究它是否还有其他适用的疾病。结果发现，脊索瘤的模型评分很高，于是我们跟上海长征医院建立了合作，并看到有患者用药后第三个星期达到了部分缓解。尽管目前这个药还没有进入临床试验阶段，但是只要按照计算医学平台的规范开展，我们有信心实现真正的精准临床试验。
彭翱
临床成功率从2%到21%的背后
彭 翱
辉瑞中国产品线项目管理团队负责人
辉瑞新药研发效率从2%提升到21%，我认为可以总结出三条经验。第一，精准定位，明确自身在生物学领域中的具体优势。辉瑞当前主要聚焦于内科、免疫和炎症、肿瘤药以及疫苗。第二，选择药品模态。目前更复杂、更新颖的分子实体在我们的管线中占比越来越多。第三，决策坚持两个原则，一是在一期和二期试验时进行定量的POM分析，它能助力二期成功率达到40%；二是再次计划，如果临床研发的第一个方向失败，那我们就改造一下，换一个方向二次尝试。如果有非常清晰的生物学基础支持，我们的成功率能够达到31%。
Ertuglifozin是一个SGLT-2的降糖药，它在研发过程中使用了大量与计算医学相关的技术和方法，包含系统药理学模型与Emax Model。利用这个模型，该药的降糖效果最高能达到77%。荟萃分析显示，该药在同类产品中的降糖水平最高。这是利用模型或计算医学指导药物研发的典型案例。
美国食品药品监管局已经开始搭建数字健康工具的框架。我相信框架出台后，相应细则的指导原则也会出台，这将更具体深入地指导一些新药研发的应用。
唐玉
计算医学产生的洞见有待临床验证
唐 玉
中国医学科学院肿瘤医院药物临床试验研究中心办公室执行主任
计算医学通过分析海量数据产生了大量洞见，但是如何通过临床试验证实这些洞见真实可信、能用于临床实践工作？
第一种情况是验证计算医学针对某个具体问题给出的具体解答，例如验证AI指导下的第一个创新药是否能够治疗胰腺癌。第二种是基于海量数据，验证AI针对患者个体或群体制定的治疗模式是否更优。
在这样的试验过程中我们需要考量几个问题：
第一，AI模型的一致性。当我们想要证明一种算法或者一种基于AI的范式能够指导医疗，就必须保证范式的一致，而不能使其无规则地不断变化。
第二，要考虑AI模型找出的具有更加集中的生物学特性的一类患者，是否有可及的临床治疗手段。如果缺乏有针对性的治疗手段，这个模型尽管可以指导患者预后，也难以改变现有的治疗方式。
最后，建立一个不仅能解释结果，还能解释机制的模型，从而把人类智慧和计算机基于数据整合的智慧更好地结合在一起。
目前，我们正在进行一个伞式研究设计，聚焦软组织肉瘤，虽然该病总体发病率不高，但却有近一百个亚型。我们的抗血管靶向药物在个别亚型中表现出极好效果，但总体效果仍不理想。因此我们希望利用图灵·达尔文实验室在整个肉瘤机制上的深入分析和数字孪生人技术，找到疗效理想且可及性高的药物。
牛钢
疾病大模型改变药物研发新范式
牛 钢
图灵·达尔文实验室主任
在当今医疗领域，我们致力于收集和利用各类疾病相关数据，为疾病找寻其中逻辑统一的线索，建立复杂且真实的机制性画像。但关键在于，如何理解所谓的机制，以及复杂机制的主体到底是谁？
我们搭建并训练出一种全新AI方法—— “基因组霰弹枪损伤评估流程”（DAGG）。输入人类的胚系或肿瘤基因组序列信息，AI就能将人类看不懂的序列天书翻译成看得懂的细胞功能变化。
根据基因组变异信息，临床医生使用DAGG能判断乳腺癌患者肿瘤细胞中的HER2基因是否扩增，从而进一步明确患者病理类型，为患者诊治提供更加清晰精确的判断。
采用DAGG方法，我们还能将真实的患者数据转化为该患者及其疾病的数字孪生体。随着虚拟环境中大规模累积患者的数字孪生体，我们针对PD-1/PD-L1单抗类免疫药物进行了大规模虚拟临床试验。结果发现，多数适应证免疫药物单药疗效并不理想。
因此，基于数字孪生体的虚拟临床试验可以替代原本花费百亿美元的临床试验结果，基于小样本个别适应证的疗效数据，能推断出其他肿瘤疾病的潜在适应证。同时，根据模型直接建议的生物学机制，能理性设计联用方案甚至新分子，省去很多临床开发步骤和成本，确保患者更大获益。
史荣
计算医学助力乳腺癌精准诊治
史 荣
吴阶平医学基金会肿瘤防治专业委员会秘书长
乳腺癌是全球第一大癌症。HER2是乳腺癌明确的预后指标和药物治疗效果的预测指标，但HER2表达的肿瘤异质性明显，且HER2检测方法无法满足抗HER2 治疗的需求。因此，研究胚系基因组内携带的胚系病因，不仅有助于深刻认知乳腺癌发病机理，更有助于开发全新的方法，为后续治疗提供前瞻性判断。
近日，计算医学团队自主研发的人工智能算法DAGG揭示了乳腺癌的发病机制。该研究发现，基于胚系指纹性罕见编码变异数据，采用DAGG模型可获得信号通路功能谱（APSP）。根据APSP在患者与低病因人群中分布的差异，可有效构建预测模型评估女性个体的病因风险，有效区分乳腺癌HER2阳性与HER2阴性患者。
基于APSP的乳腺癌临床转化路径分三步走。第一步，基于APSP的乳腺癌病理分型，指导临床治疗方案。第二步，基于APSP的乳腺结节女性、有家族性乳腺癌遗传史的乳腺癌极早期诊断，降低初诊即进入进展期、晚期的乳腺癌患者比例。第三步，基于APSP的健康人群乳腺癌风险评估，填补全球缺乏有效的乳腺癌一级预防措施的空白。
江旻
虚拟临床试验是未来新范式
江 旻
北京大学肿瘤医院国家药物临床试验机构办公室主任
从全球来看，目前已经出现了开展虚拟临床试验的探索研究，但以回顾性案例为主。关于能否开展前瞻性的虚拟试验设计，生成更高级别的数字化证据，用于验证计算机仿真模型，以更好地指导临床研究，北京大学肿瘤医院与计算医学团队从技术和试验需求两个角度碰撞，形成了一个真正落地的研究。
双方利用计算医学的患者数字孪生模型联合开展了一个平行虚拟临床研究项目，研究目的是探索肿瘤发病机制和抗肿瘤药物作用机理之间的关系。通过虚拟临床试验对抗肿瘤药物进行疗效的预测，分析患病人群的特征和差异，从而优化临床试验设计。该研究头对头与一项真实的注册新药临床研究对比，以验证虚拟临床研究的预测结果与真实世界的临床试验疗效结果的一致性。
虚拟临床试验是未来的一种新范式。在计算医学技术的支持下，未来临床试验的模式有可能转变为更精准的临床试验设计，带来一种更具有全局观的药物研发思路，这将给临床试验的成功率、有效性等带来革命性的改变。
圆桌论坛一
非共识与颠覆性技术的认知与评价
主持人
李磊
中国科学院前沿科学与教育局副研究员
吕本富（中国科学院大学经济管理学院教授）
所谓的突破性创新，主要看三点。第一，是否开发了一个全新的赛道；第二，在原来的赛道上，其性能价值比是否符合十倍速定律；第三，是否属于从0到1的格局性创新，这离不开产业政策的支持。
谷成明（赛诺菲大中华区医学部负责人）
非共识阶段是初级阶段，只要被业内接受了就被认为是共识，或者说就是可用的，能够解决一些问题。但在药物研发领域，想要成为First-in-Class，一定是非共识，如果成为共识那就是Me too了。
张春明（中科计算技术西部研究院副院长）
从现实层面讲，当今的世界格局不支持小步往前跑，必须发挥大规模团队化作战的能力。从创新层面讲，计算医学确实有可能开辟一个全新的赛道，所以任何一个政府部门都要审慎评估。
翁华建（上海市长宁区副区长）
2021年，我第一次了解到计算医学，当时我们设想在苏州和上海之间布局一个生命科学创新中心，专攻高端研发，聚焦计算机+Inside和AI+，从而把上海长宁这二十年的数字经济积淀，尤其是人才和创新生态的积淀优势发挥出来。所以站在政府的角度，我们对计算医学颠覆性创新技术充满期待。
圆桌论坛二
计算医学视角下的投资逻辑
主持人
胡茗译 明德资本合伙人
田 丰（上海市生物医药产业促进中心产业服务部部长）
整个AI+制药最值得关注的点是从逻辑性的成功实践变成概率性的成功实践，最终回归到基于逻辑的成功实践。从AI+疾病的角度入手，开展虚拟临床试验，我认为未来可有效降低临床开发成本、提升成功率。
井绪天（五源资本董事总经理）
AI技术带来了一些新算法以及算力的突破。过去很多AI制药公司更关注数据最多、最成熟的小分子领域，但是今天我们看到，越来越多的算法其实非常适合做一些新模态药物发现。
曾颖哲（线性资本合伙人）
在AI技术之前，我们通常建立低维模型解决高维问题，但AI的出现可解决这些高维问题。随着数据量越来越多，算力越来越强劲，AI制药的前景非常广阔。目前我们正在观察大语言模型会为AI制药带来哪些进展，令人振奋的是，在分子表征算法领域，已经出现了一些新进展。
马 睿（峰瑞资本合伙人）
我们总是会高估计算医学在五年之内带来的进展，但是却会低估它在十年之内能带来的进步。我认为未来三年内，大分子的蛋白药物基本会被AI颠覆，就像2021年的AlphaFold完全解决了单域蛋白的结构预测问题。