超级计算与 AI 正在改写医学：从药物发现到长寿

过去，一款药物从实验室设想走向药房货架往往需要十多年时间。如今，这条道路上某些最缓慢的环节所需时间已缩短至数月，有的甚至只需数小时。

今天是 2026 年 10 月 12 日，这一切在当下至关重要，原因很简单。推动这一变革的两项技术——超级计算与人工智能——在过去几年中都跨越了门槛。足以逐个原子模拟分子的巨型计算机已不再罕见，而从生物学中学习的 AI 模型也已从科学探索的新奇产物变成了荣获诺贝尔奖的工具。各国政府、医院和制药公司都在押注这一组合，其成果正开始惠及普通患者。本文将用通俗易懂的语言呈现全景，并明确区分三类情况：今天已可用的成果、正处于临床试验中的技术，以及仍处于早期研究阶段的探索。

什么是超级计算机，以及为什么 AI 需要它

超级计算机并不是一块巨大的芯片。它是成千上万台普通计算机紧密连接在一起，像一台机器一样协同解决同一个问题。速度最快的超级计算机每秒可执行超过百亿亿次计算，这一规模被称为 exascale，而首台此类机器在几年前才刚启动运行。

为什么医学需要它？因为生物学极其庞大复杂。单个细胞内就包含数十亿个分子，它们在不断地推挤、折叠、结合与解离。即便只是模拟其中极其微小的部分短短几分之一秒，也意味着需要追踪数量惊人的相互作用。普通台式机需要耗费数年；超级计算机只需数天。

人工智能则是第二块拼图：它是通过从海量数据中学习模式、而非遵循人工编写规则的软件。在数以百万计的蛋白质结构、影像扫描或患者病历上训练模型本身就是一项巨大的计算任务，这也正是 AI 与超级计算相伴而生的原因。超级计算机是肌肉；AI 则是决定发力方向的判断力。两者结合，使曾经意味着在湿实验室中耗费数十年反复试错的研究，能够通过模拟缩减为一份值得实测的候选名单。

预测生命的形态：蛋白质结构

蛋白质是所有生物的功能构件。它们运送氧气、消化食物、传递信号并构建组织。蛋白质的功能几乎完全取决于其三维结构，该结构由称为氨基酸的长链基本构件自行折叠而成。半个世纪以来，解析这种结构意味着必须培养晶体并用 X 射线进行轰击，单凭一个分子就可能耗费数年，有时甚至彻底失败。

AI 改变了这一现状。在所有已知蛋白质结构上训练的模型，仅凭序列就能在数分钟内预测出新蛋白质的折叠形状，其准确度往往可与实验室相媲美。这项工作在 2024 年获得了认可，AlphaFold 系统的创造者与计算蛋白质设计领域的先驱共同分享了诺贝尔化学奖。这一奖项是一个有力的标志：这是确凿的科学，而非炒作。

为什么这至关重要：许多疾病都涉及异常蛋白质。如果你知道它的确切结构，就能设计出一个像钥匙插入锁孔一样与它精准契合的小分子并将其关闭。一些致病蛋白长期以来被称为 "undruggable"（不可成药），因为没人能看清药物可以结合在何处。有了精确的结构，研究人员可以在这些表面寻找隐藏口袋并设计靶向疗法。这也是药物发现早期阶段不断加速的最重要原因之一。

老药新用：药物再利用

研发一款全新药物既充满风险又耗时漫长。一条更经济的途径是为现有药物寻找新用途，因为它们在人体内的安全性已被充分了解。AI 非常适合这种搜寻：模型可以将数千种已获批药物与数千个疾病靶点进行比对，标记出人类意想不到、未曾考虑测试的匹配项，然后再送往实验室进行确认。这种方法在 COVID-19 疫情期间得到了广泛应用，并一直保留在工具箱中。它不会取代新药研发，但能够为目前缺乏疗法的病症提前数年带来治疗方案。

模拟生物学机制，让试验更安全

在药物应用于人体之前，必须进行毒性测试，即评估其对肝脏、心脏或肾脏等器官的损害。传统上，这意味着先进行动物研究，然后是小规模、谨慎的人体试验，而在此阶段失败不仅常见而且代价高昂。如今，超级计算机让研究人员能够在任何动物或人体接触候选分子之前，模拟其如何与复杂的生物系统相互作用，例如预测它是否可能与本应避开的心脏蛋白结合。出现预警迹象的候选物会被尽早淘汰。虽然没有监管机构会接受用模拟替代实测，但这减少了进入首个人体试验阶段的风险化合物数量。

数字孪生：你的虚拟副本

数字孪生是现实物体的计算机模型，并通过来自该物体的实时数据保持更新。工程师多年来一直在飞机发动机上使用数字孪生。如今，医学界正尝试为人体构建数字孪生：将你的影像扫描、基因、血液检测结果和可穿戴设备数据整合为你身体的仿真模型，然后在给你用药之前，先在该模型上测试药物或剂量。如果数字孪生显示某种降压药会导致你的心率过低，医生就会改选其他药物。

我们需要明确了解目前的实际进展。如今，单一器官（尤其是心脏）的数字孪生已在研究型医院和部分临床研究中得到应用。然而，一个足以精准替代真人的逼真人全身体数字孪生，仍是一个未来的目标，而非现成的可用服务。

合成生物学与人造器官

合成生物学是对活细胞进行工程化改造以实现新功能的技术，例如制造药物或分化生长成特定组织。在 AI 设计指令的支持下，按需制造替代器官成为了可能。如今研究人员已能培养小型组织样本，而生物打印（利用活细胞逐层构建组织）也是一个活跃的领域。可供移植的完整功能器官仍处于早期研究阶段；实验室培育的皮肤和软骨比起实验室培育的肾脏要近得多。

更稳的双手：AI 辅助机器人手术

机器人手术如今已十分普及：外科医生在操作台上控制手术器械，其移动震颤比人手更小。新突破在于其上叠加的 AI 技术。在强大算力的支持下，手术系统可以在术中实时处理影像，高亮显示深藏在组织中的血管或肿瘤边缘，并在器械偏离路径之前发出预警。目前部分医院已在使用能辅助识别组织并减少出血的系统。但全自主手术尚未实现；每一项决定仍由外科医生做出。

解读病历：更优质的诊断与治疗方案

医生无法阅读每一本医学期刊，也无法记住每一个类似病例。AI 却能做到。在海量医学文献和匿名病历上训练出的模型，能够总结某种疾病的已知信息，建议可能遗漏的检查项目，并起草一份治疗方案供医生审阅。目前医院已在使用此类工具，主要用于病历记录和风险标记。关键短语是 "供医生审阅" ：这些系统可能会极其自信地给出错误判断，而且它们学习所依据的数据也可能无法公平地代表每个人群。

癌症：针对肿瘤量身定制的治疗

癌症并非单一疾病。两位患有 "同种" 癌症的患者，其肿瘤可能由不同的基因错误驱动，对其中一人有效的药物对另一人可能毫无作用。如今，在许多癌症中心对肿瘤 DNA 进行测序已成为常规操作，而 AI 有助于解读测序结果，将发现的突变与已知疗法及临床试验相匹配，从而制定出一套具有最大康复几率和最少副作用的定制化治疗方案，因为药物针对的是肿瘤的真正软肋，而非每一个快速生长的细胞。这项技术在今天已然可用，尽管各地获得该治疗的机会差异巨大。

预防性基因组学：在疾病发作前将其阻断

基因组是你的全套 DNA，如今测序成本已足够低廉，使得预防性基因组学（即利用遗传信息预防疾病而非治疗疾病）成为了一个切实可行的目标。AI 模型将数千个微小的基因变异整合成心脏病或某些癌症等疾病的风险评估值，因此高评分人群可以在出现任何症状的数年前接受更早的筛查或改变生活方式。专科诊所目前已提供部分此类服务；在整个人群中的普及应用仍在研究中。此外，由于数据库中某些群体的代表性不足，这些评分对他们的准确性相对较差，这是一个已知的偏差，也是当前正在积极改进的研究方向。

阿尔茨海默病：更早发现疾病征兆

阿尔茨海默病在出现记忆问题之前的数年里就已开始损害大脑。在海量脑部扫描影像上训练出的 AI 模型，能够在放射科医生判定异常的很久之前就检测到细微变化，研究系统还可以评估患者病情可能的进展速度，从而帮助家属提早规划，并帮助医生决定哪些患者可能从新疗法中获益。这些工具目前正处于临床研究和有限应用阶段，在任何人依据扫描结果做出改变人生的重大决定之前，仍需要严格的验证。

衰老与长寿：遥远的前沿

这一部分最令人兴奋，也夹杂着最多的夸大其词，因此请允许我准确说明。

细胞衰老与年轻化

随着年龄增长，某些细胞会停止分裂但又不肯死亡。它们久存不消，释放炎症信号并损害邻近细胞。这种状态被称为衰老（senescence），而衰老细胞的堆积与许多老年疾病息息相关。AI 正被用于绘制促使细胞走向衰老的细胞通路（细胞内化学信号链），并在化合物库中搜寻可能清除这些细胞或使其恢复活力的化合物。人们期望借此延长健康寿命（即保持健康生活的年数），甚至或许能延长总寿命。目前有少数化合物正针对特定疾病开展小规模试验。没有任何产品被批准用于健康人群的 "抗衰老" ，如今任何兜售此类产品的人卖的都是希望，而非证据。

细胞重编程

细胞重编程是指通过开启少数通常仅在早期发育阶段活跃的基因，将衰老细胞重置为更年轻的状态。它在培养皿中的细胞中有效，并在实验动物身上取得了有限的效果。但是否能在完整人体上安全实现且不引发失控性生长，目前尚不可知。这仍属于早期研究。

纳米医学

纳米医学利用远小于细胞的微粒在体内运载药物或执行任务。部分纳米颗粒药物载体已投入使用。而那个引人瞩目的宏大愿景——由 AI 设计的微型机器人穿行于血液中修复受损细胞——仍是未来的可能性。这些设计目前仅存在于模拟和少数实验室原型中；能够在活体内导航并修复组织的机器尚不存在。

体重、新陈代谢与肥胖

肥胖是我们这个时代最大的健康问题之一，其复杂程度远非 "少吃" 那么简单。AI 正从多个方向应用于此。

• 个性化方案。 通过分析个人的基因图谱、新陈代谢、睡眠和活动情况，模型可以制定出与该身体对食物反应相契合的饮食和运动方案。目前已有几项服务提供此类方案，但背后的科学依据参差不齐。
• 新药。 机器学习正在帮助发现和优化减少体脂的药物。近期最初针对糖尿病开发的一波注射类减肥药物展现了这一需求，而AI辅助研发正在寻觅下一代药物。
• 分子通路。 研究人员正瞄准控制身体如何储存和燃烧脂肪的信号传导通路，包括代谢促进剂以及帮助身体燃烧更多能量的基因手段。这些基因手段属于早期研究，而非治疗方法。
• 棕色脂肪。 大多数体脂是储存能量的白色脂肪。棕色脂肪则通过燃烧卡路里来产热。寻找安全激活它的方法是一个活跃的研究领域，AI正在协助筛选可能具备该作用的化合物。这属于实验室阶段的工作。

值得了解的另外十大前沿领域

1. CRISPR基因编辑。 CRISPR允许科学家在选定位点剪切和编辑DNA。首个基于CRISPR的疗法针对镰状细胞病，已在多个国家获批。编辑胚胎以使后代免受遗传疾病困扰是完全可以想象的，但存在伦理争议，且在大多数地方被禁止。
2. 微生物组分析。 微生物组是肠道内数以万亿计的细菌群落。AI正在将微生物组中的模式与免疫、消化和情绪关联起来，旨在通过饮食或靶向益生菌来增强免疫力。虽处于早期阶段，但前景广阔。
3. 智能穿戴设备。 手表和指环可以追踪心律、血氧和睡眠；结合AI，它们能够持续标记心律不齐等警示信号。现已可用；面临的挑战是虚警误报。
4. 个性化营养。 市场上已有基于血糖反应、微生物组和基因的AI饮食建议。这是一份实用的参考指南，而非处方。
5. 心理健康检测。 通过分析语音、打字节奏或睡眠来发现抑郁或焦虑早期迹象的模型正在研发中，并已进入某些应用。在这一领域，隐私是一个严重的隐患。
6. 新生儿基因筛查。 对新生儿基因组进行测序以在出生最初几天发现可治疗病症的试点正在开展，AI正在协助解读结果。
7. 器官芯片与微型器官。 内衬人体活细胞的微型装置以及实验室培养的微型类器官，使研究人员无需患者即可在人体组织上测试药物。将多个器官连接在一起的多器官芯片正开始被监管机构接受作为支持性证据。
8. AI医学影像。 能够读取X光片、CT和MRI扫描以发现骨折、出血和肿瘤的AI已获批准，并在许多医院中投入日常使用，通常与放射科医生协同工作。
9. 智能药物递送。 由AI设计、仅在靶部位释放药物的载体正在研发中。一些纳米颗粒载体已投入使用；完全“智能”的版本仍在测试中。
10. 脑机接口。 脑机接口（BCI）能够读取来自大脑的电信号，并将其转化为计算机或假肢的控制指令。针对瘫痪患者的人体试验已经展开，让部分患者能够通过意念控制光标。利用BCI对昏迷患者进行康复治疗属于研究层面的设想，而非确立的治疗方案。

现状速览：简明图景

技术	现已可用	处于试验或试点阶段	早期研究或未来展望
AI蛋白质结构预测	是
AI辅助医学影像	是
肿瘤测序与个性化癌症治疗方案	是（普及程度不均）
AI引导的手术机器人	是（仅辅助）
带AI警报的穿戴设备监测	是
针对特定疾病的CRISPR疗法	是（极少数）	更多疾病	生殖系编辑
预防性基因风险评分	专科诊所	人群研究
通过影像早期检测阿尔茨海默病	有限可用	是
器官数字孪生	研究型医院	是	全身
衰老细胞清除与年轻化化合物		小型试验	健康人群使用
人体细胞重编程			是
修复细胞的纳米机器人			是
实验室培育的可移植器官			是
脑机接口		是（针对瘫痪）	昏迷康复

实验室与主治医生之间的差距

模拟中的结果只是漫长旅程的起点，而非终点。在模拟结果与你可以接受的治疗之间，横亘着动物实验、三期人体临床试验、监管审批，以及药物生产与支付等环节。大多数候选药物都会倒在这一途中的某个节点。AI缩短了早期步骤并提高了成功几率，但它无法跳过后续流程，而监管机构仍在摸索如何评估那些由他们无法完全审查的模型所设计的药物。健康数据也是我们大多数人最敏感的信息，主要基于某一人群训练的模型在其他人群上的准确性可能会降低，而且有能力负担百亿亿次级计算的地方在全世界分布并不均衡。这些都不是止步不前的理由，但都值得我们密切关注。

如何在当下安全地从这些进展中获益

你无需等待纳米机器人。这里有一种切实可行、低风险的方法来利用目前已成为现实的成果。

第1步：坚持定期体检

本文提及的几乎所有技术，在问题被发现得越早时效果越好。如果你从不做影像检查，那么世界上最好的AI影像阅片工具也无济于事。保持常规预约，并根据医生针对你的年龄和家族病史所建议的方案进行筛查。

第2步：在合理的情况下咨询基因检测

如果有多位近亲患有相同的癌症、心脏病或遗传性疾病，请向你的医生咨询遗传咨询和基因检测是否合适。请通过临床医生而非邮购试剂盒进行检测，以便结果得到专业妥善的解读。

第3步：将穿戴设备作为提示，而非诊断

提示心律不齐的手表是就医的理由，而不是恐慌或自行治疗的依据。提示你一切正常的手表同样不能代表完全健康。把它当作一个通情达理但有时过分担心的朋友即可。

第4步：保护你的健康数据

在将你的基因组、影像扫描或日常心率提供给某个应用之前，请阅读谁拥有这些数据、数据是否会被出售以及你是否可以删除它。优先选择在明确的健康隐私规则下将数据存储在你自己国家/地区的服务。基因数据一旦泄露，无法像密码那样进行修改。

第5步：对任何宣传为抗衰老的产品保持怀疑

如果某种产品声称能够逆转衰老、清除衰老细胞或重编程你的细胞，并且你可以在无需处方的情况下在线购买，那么这一宣称显然缺乏充分证据支持。真正的科研成果存在于对照试验中，而不是保健品货架上。在服用此类产品之前，请务必咨询合格的专业医生。

第6步：带着AI辅助结果去就诊，但以医生为主导

使用信誉良好的工具来准备问题或理解诊断结果并无不可。把你获得的信息带给医生，让他们来进行权衡判断。整个领域中最好的成果，往往来自于经过专业培训的临床医生与构建优良的模型协同合作。

结论

超级计算赋予了医学以十年前无法想象的规模模拟生物学的力量，而人工智能则为其提供了判断何物值得模拟的能力。两者结合，已经改变了蛋白质的研究方式、癌症的治疗方式以及医学影像的判读方式。那些更为激动人心的前景——全身数字孪生、年轻化细胞、3D打印器官、纳米机器人——都是真实存在的研究项目，但尚未成为现实的治疗手段。明智的立场是对发展方向保持兴奋，对落地时间保持耐心，并在涉及自身身体的任何事情上以合格的医生为指导。

优势

• 缩短药物研发的早期阶段，在某些情况下从数年缩短至数月，从而使有前景的疗法能够更快进入临床试验。
• 开启了此前被认为“不可成药”的疾病靶点。
• 以低成本为现有的、已被证明安全的药物发现新用途。
• 减少进入人体试验的有毒性候选药物数量。
• 使癌症治疗更加精准，带来更佳的疗效并减少副作用。
• 能够在阿尔茨海默病和某些癌症更易治疗的早期阶段将其发现。
• 使医学影像判读更快速且更具一致性，减轻稀缺专家的工作负担。
• 为探索长期被视为不可触碰的衰老问题提供了一条可信的科学路径。

劣势

• 最先进的工具价格昂贵，导致国家之间和医院之间的获取机会不均。
• 健康数据隐私面临风险；尤其是基因数据一旦泄露，便无法更改。
• 在缺乏代表性的数据上训练的模型，对女性、少数群体和缺乏研究的地区的准确性可能会降低。
• 过度炒作盛行，实验室成果与获批疗法之间的差距经常被掩饰淡化。
• 监管滞后于技术发展，对于AI设计的药物和医疗器械尤为如此。
• 如果医生不再核查，过度依赖AI建议可能会削弱临床判断力。
• 穿戴设备和筛查可能会引发虚假警报、焦虑情绪和不必要的检查。
• 长寿领域充斥着未经证实的产品，这些产品利用真正的科研成果来进行营销宣传。

注意事项

本文仅供科普参考，不构成医疗建议。文中以通俗易懂的语言描述了一个快速发展的领域，所提及的许多技术（包括全身数字孪生、细胞重编程、纳米机器人、实验室培育器官以及大多数抗衰老化合物）仍处于研究阶段，尚不能作为治疗手段。相关细节变化迅速，作者可能进行了简化或有所遗漏。有关个人健康问题，请咨询合格的专业医生；在采信任何说法之前，尤其是涉及在售产品的宣传，请务必进行核实。

常见问题

• 什么是超级计算机，为什么医学需要它？ — 超级计算机是由数千台计算机连接在一起作为一台机器协同工作的系统。医学需要这种算力来模拟分子和细胞，因为其中涉及的相互作用对于普通计算机而言实在过于复杂繁多。
• AI是如何预测蛋白质结构的？ — AI模型从所有已知的蛋白质结构中学习，并预测一条新的氨基酸链将如何折叠。AlphaFold系统的创作者因这项工作共同荣获了2024年诺贝尔化学奖。
• AI真的能加速药物研发吗？ — 可以，适用于发现和筛选候选分子等早期阶段。人体试验和监管审批仍需耗时数年，且无法省略跳过。
• 医疗健康领域的数字孪生是什么？ — 它是患者的计算机模型，利用其实际数据进行更新，用于在模拟中测试治疗方案。器官级数字孪生已存在于研究中；全身数字孪生则是未来的目标。
• AI抗衰老治疗现已可用吗？ — 尚未可用。AI正在协助寻找针对细胞衰老的化合物，其中少数正在进行小型试验，但目前尚无任何疗法获批用于延长健康人群的寿命。
• AI能帮助减肥吗？ — AI可以制定个性化的饮食和运动计划，并正在协助发现新型减肥药物。基因和棕色脂肪相关方法仍处于早期研究阶段。
• 什么是CRISPR，它是否已应用于患者？ — CRISPR是一种在选定位点编辑DNA的工具。针对镰状细胞病的CRISPR疗法已获批准；在大多数国家，编辑胚胎是被禁止的。
• 我应该信任AI健康应用或穿戴设备吗？ — 将其作为就医的提醒，而不是诊断依据。在分享任何敏感信息之前，请先检查该应用如何处理你的数据。

标签

#Supercomputing #ArtificialIntelligence #Healthcare #DrugDiscovery #Longevity #Genomics #PrecisionMedicine #DigitalTwin #CRISPR #MedicalAI