学习笔记:计算机模拟医学的进展

众所周知，既往的药物和器械开发面临高昂的经济成本、漫长的周期以及严峻的伦理挑战，全球创新药研发全周期平均达10-15 年，综合成本高达20-26 亿美元，临床阶段投入占比超 60%，而最终临床成功率不足 10%；高风险 III 类医疗器械研发周期长达 5-7 年，成本超千万美元，同样面临临床招募难、周期长、个体异质性难以覆盖的行业困境。同时，传统动物实验存在显著的种属差异，对人体反应的预测准确率不足 50%，且面临全球日益严格的伦理约束。

你的APP有个bug可能第二天就修好了，药物/器械有问题，修修补补就得好几年。手机厂商每年迭代硬件，医疗器械隔七八年出个小变动。

所以现代医学缺什么呢？缺基建，缺大一统理论。基建是日益快速迭代的治疗工具，大一统理论是能够根据你个人的基因、各项指标，身体机能能够迅速找到问题所在，并且预测治疗结局的系统性方法。

随着生成式AI与高保真生物物理建模的融合，我们现在已经有一些技术可以加速临床试验的进展，医学研究从传统的“湿实验”（In Vitro/In Vivo）向“硅基计算”（In Silico）范式转移，目前这些技术统称为:In Silico Medicine（计算机模拟医学 / 硅基医学），是指利用计算机建模、仿真和人工智能技术来模拟生物系统、预测疾病进程和评估治疗方案的新兴交叉学科。

2023 年美国《FDA 现代化法案 2.0》正式取消新药上市前的强制动物实验要求，2025 年 FDA 发布虚拟临床试验专项指南，标志着非体内实验的研发路径获得全球监管层面的核心认可。该学科逐渐趋于成熟，该领域的核心技术包括AI 虚拟器官 / 类器官（AIVOs）、医疗数字孪生（MDT）、虚拟临床试验（ISTs）等，我们一起来看一看各类的情况和进展。

计算机模拟医学是整合计算生物学、生物力学、生理学、人工智能、大数据等多学科技术，在计算机虚拟环境中构建从分子、细胞、器官、个体到群体的多尺度生理病理模型，模拟药物代谢、器械干预、疾病进展等生物学过程，用于药械研发、临床决策、健康管理等场景的交叉学科，因其基于硅基芯片的计算载体，也被称为 “硅基医学”。

其发展历程可分为三个核心阶段：

长期来看，国内瓣膜病患者基数庞大，TAVR 等核心术式渗透率不足 1%，远低于欧美成熟市场 15% 的水平，未来手术量具备 20 倍以上的增长空间。若按次收费政策落地，仅核心术式对应的影像分析市场规模有望突破 30 亿元，增长天花板极高。报告同时明确，行业未来将朝着预测仿真升级、多模态影像融合、软硬件生态协同、云端化部署的方向发展，具备核心技术壁垒、完善临床验证数据与产业协同能力的本土厂商，将在政策落地后迎来爆发式增长。

计算机模拟医学形成了从微观到宏观的三级层级架构：底层为细胞 / 器官级的 AI 虚拟器官 / 类器官（AIVOs），提供微观生理机制的模拟基础；中层为个体级的医疗数字孪生（MDT），实现对真实人体的 1:1 动态映射与模拟；顶层为群体级的虚拟临床试验（ISTs），完成对临床研究的全流程模拟。三者层层递进、相互融合，共同构成了计算机模拟医学的核心技术体系。

AI 虚拟器官 / 类器官（Artificial Intelligence Virtual Organoids, AIVOs）是指基于单细胞测序、多组学、病理影像、生物力学等多源数据，通过生成式 AI、物理建模、计算生物学等技术构建的，可高度模拟真实人体器官 / 类器官的结构、功能、生理病理动态变化的虚拟模型，是计算机模拟医学的微观基础。2025 年上海大学苏佳灿团队首次系统定义了 AIVOs 的三层技术架构：数据层（多源医疗数据整合）、模型层（多尺度建模与 AI 算法）、交互层（模拟验证与场景应用），实现了从细胞信号传导到组织功能的全链条模拟。

核心原理

AIVOs 的核心是通过多模态数据融合，构建结构 - 功能 - 机制三位一体的虚拟模型：

医疗数字孪生（Medical Digital Twin, MDT）是指基于真实个体的多源医疗数据，构建的与真实人体 / 器官形成双向动态映射的 1:1 虚拟模型，可实时模拟个体的生理状态、疾病进展、对药物 / 器械干预的反应。根据模拟尺度可分为器官级数字孪生（如心脏、血管数字孪生）与全身级数字孪生（覆盖多生理系统的全人体模型）。

如果你玩过一个游戏叫生化公司的话，你大概能很快理解这个系统。

MDT 的核心原理是动态映射 - 实时更新 - 精准预测的闭环：

虚拟临床试验（In Silico Trials, ISTs）是指在计算机虚拟环境中，基于构建的虚拟患者队列，模拟完整的临床试验流程（入组、随机化、干预、随访、终点评估、统计分析），生成可用于监管申报的数字化临床证据，是计算机模拟医学在药械研发领域的核心应用场景。根据试验目的可分为回顾性虚拟试验（验证真实试验结果、补充亚组分析）与前瞻性虚拟试验（优化试验设计、筛选最优剂量 / 人群、替代部分真实临床试验）。

AIVOs 已从概念验证进入落地应用阶段，成为临床前药物筛选的核心工具。2025 年上海大学苏佳灿团队构建的骨组织 AIVOs 模型，对骨缺损修复、药物成骨效果的预测准确率达 92% 以上；2026 年上海交通大学团队开发的多器官 AIVOs 平台，整合了肝、肾、心脏等 20 余种器官的虚拟模型，在 48 种已上市药物的测试中，肝毒性预测准确率达 89%，肾毒性预测准确率达 86%，可替代传统的动物毒理实验。

在生物药研发领域，2025 年 10 月兰州大学与腾讯 AI Lab 联合开发的 HuDiff 抗体人源化 AI 系统，基于 AIVOs 的免疫细胞模拟，将传统 6-12 个月的抗体人源化研发周期缩短至数小时，活性保留率超 95%。

同时，器官芯片与 AIVOs 的融合成为行业热点，2025 年美国 Vivodyne 公司开发的 AI 驱动器官芯片平台，自动化培养 20 余种人类功能组织，结合 AIVOs 模型，每年可产生超全美临床试验总和的人类生物学数据，将药物临床前筛选周期缩短 70% 以上，成功率提升 3 倍。

目前，Insilico Medicine开发的全球首款完全由AI设计的药物（针对特发性肺纤维化的ISM001-055）已进入Phase IIb/III 晚期临床研究。

2026年初推出的 Pharmaceutical Superintelligence (PSI) 系统，实现了从靶点发现到分子设计的端到端自动化。最新研究显示，AI辅助的先导化合物发现时间已从平均4.5年缩短至12个月内，成功率提升了2.5倍。

这个赛道是目前互联网公司抢占医疗赛道的前线，2024-2026 年，生成式 AI 大模型的突破彻底改变了计算机模拟医学的发展格局，解决了传统建模周期长、泛化性差、门槛高的痛点。2025 年 9 月，NVIDIA 发布了 BioNeMo 2.0 生成式 AI 医疗微服务平台，可实现从分子生成、AIVOs 建模、数字孪生构建到虚拟试验设计的全流程支持，几分钟内即可完成传统数月的建模工作；2025 年 12 月，谷歌 DeepMind 发布了 MedSim 大模型，构建了覆盖人体 12 个生理系统的通用虚拟人体模型，在 1000 余项临床终点的预测中，准确率超传统模型 40% 以上

器官级数字孪生：2025 年浙江大学医学院附属第二医院王建安院士团队构建的全血管动态数字孪生平台，基于超 10 万例心血管影像数据，可精准模拟血管血流动力学、斑块稳定性、TAVR 瓣膜植入效果。

全身级数字孪生：2025 年 11 月天津大学团队构建了覆盖人体九大生理系统的全身数字孪生平台，在 4509 名 ICU 患者的测试中，24 小时临床事件链预测的时间偏差小于 2 小时，可提前 6-8 小时预警脓毒症、急性呼吸窘迫综合征等危重并发症；

澳大利亚墨尔本大学团队开发的 DT-GPT 大模型，可基于患者的多源临床数据一键生成动态数字孪生，对 ICU 患者关键生理指标的预测准确率超传统模型 30% 以上。在器械研发领域，美敦力、波士顿科学等企业已将心脏起搏器、冠脉支架的数字孪生模拟数据用于 FDA 申报，可减少 30% 以上的临床样本量。

在心血管领域，数字孪生现已能实时连接可穿戴设备数据，实现亚毫秒级的肝脏和心脏反应预测，能够降低心律失常复发率（减少13%）和预测疾病（准确率97%）。

利用数字孪生技术生成的外部对照组（External Control Arms, ECA）在罕见病和晚期肿瘤领域得到广泛认可，最高可替代35%的真实安慰剂组。

群体尺度：虚拟临床试验的技术突破与监管认可

监管体系的成熟是 ISTs 领域最大的进展。2025 年 4 月，FDA 正式发布《虚拟临床试验技术指南》，明确了虚拟试验数据用于药械注册申报的技术要求与验证标准，标志着 ISTs 正式进入监管主流；2026年2月，FDA发布最新指导意见，正式结束了药物获批必须进行“两次随机对照双盲试验（RCT）”的传统，认可单一RCT结合高保真In Silico证据（如合成对照组）即可获批。

基于 ASME V&V 40 标准的验证框架已成为医疗器械申报的行业标准。2026 年的监管动态显示，FDA 正推动建立更加透明的计算模型“可信度评分系统”，鼓励药企在申报材料中纳入更多的虚拟实验证据。

欧盟 EMA 于 2024 年发布了《In Silico Trials 在医药研发中的应用指南》，建立了虚拟试验的全流程监管框架；中国 NMPA 也于 2025 年发布了《医疗器械数字模拟技术审评要点》，明确了虚拟试验数据用于 III 类器械注册申报的要求。

在落地案例方面，截至 2026 年 2 月，全球已有超 20 款药械通过虚拟试验数据获得 FDA/EMA 的批准，涵盖心脏节律设备、药物洗脱冠脉支架、罕见病药物等多个领域。

在罕见病领域，ISTs 解决了患者招募难的核心痛点，2025 年 Vertex 公司基于虚拟临床试验数据提交了囊性纤维化新药的补充适应症申请，仅用 6 个月就获得 FDA 批准，较传统路径缩短了 18 个月；2026 年 2 月哈佛大学团队开发的生成式 AI 反事实虚拟试验平台，可对同一虚拟患者队列并行测试多种干预方案，将 II 期临床试验的周期缩短 50% 以上，样本量减少 60%。

1 模型精度与泛化性的瓶颈

当前模型在单一器官、单一疾病的模拟中已达到较高精度，但对于复杂多系统疾病（如恶性肿瘤、自身免疫病）、多器官互作、个体异质性的模拟仍存在较大局限；此外，模型的泛化性不足，在训练数据集之外的人群中预测精度显著下降，难以全面覆盖罕见病、儿童、孕妇等特殊人群的需求。

2 监管体系的标准化与合规性挑战

尽管全球主要监管机构已出台相关指南，但尚未形成统一的技术标准与验证规范，不同国家对虚拟证据的认可度差异较大；对于模型的验证方法、虚拟队列的代表性、统计分析的标准，仍缺乏全球统一的行业共识，制约了技术的规模化落地。需要明确的是，当前虚拟试验仍无法完全替代高风险药械的 III 期确证性临床试验，仅能作为辅助手段优化试验设计、减少样本量、缩短周期。

3 数据隐私、可解释性与伦理问题

医疗数字孪生与虚拟试验的构建需要大量个人医疗数据，面临全球严格的隐私保护监管，数据共享与建模之间的矛盾突出；基于 AI 的黑箱模型存在可解释性不足的问题，难以向监管机构与患者解释预测结果的生物学机制，制约了监管认可与临床接受度；同时，虚拟人体建模还面临生命伦理、数字身份等新兴伦理问题。

4 技术落地的算力与人才门槛

全身数字孪生、大规模虚拟试验需要极高的算力支持，中小药企与医疗机构难以承担；此外，计算机模拟医学是典型的交叉学科，需要同时精通医学、生物学、计算建模、AI、监管科学的复合型人才，全球范围内人才缺口极大，制约了技术的普及。