〔读城〕AI中医药学——从2024年诺贝尔奖看中医药创新发展趋势|中药|科学|药理学

文 / 李后强

中共四川省委四川省人民政府决策咨询委员会副主任、成都市社会科学界联合会主席、四川省社会科学院二级教授、博士生导师

第一诺贝尔奖与人工智能

2024年诺贝尔奖6个奖项已经名花有主，尘埃落定。两名美国科学家维克托·安布罗斯和加里·鲁夫昆获得诺贝尔生理学或医学奖，表彰他们发现微小核糖核酸及其在转录后基因调控中的作用；美国科学家约翰·霍普菲尔德和英国裔加拿大科学家杰弗里·辛顿获得诺贝尔物理学奖，表彰他们在使用人工神经网络的机器学习方面的基础性发现和发明；美国华盛顿大学西雅图分校的大卫·贝克，以及谷歌旗下“深层思维”公司的戴密斯·哈萨比斯和约翰·江珀获得诺贝尔化学奖，表彰他们破解蛋白质神奇结构的密码（预测双链产生的三维结构）；韩国女作家韩江被授予诺贝尔文学奖，表彰其“用强烈的诗意散文直面历史创伤，揭露人类生命的脆弱”；日本原子弹氢弹受害者团体协会获得诺贝尔和平奖；三位来自美国大学的经济学家达龙·阿西莫格鲁、西蒙·约翰逊和詹姆斯·A·罗宾逊被授予诺贝尔经济学奖，表彰他们在关于制度如何形成并影响经济繁荣研究领域的突出贡献（制度经济学）。这些奖，都是与人的健康与幸福密切相关。

人工智能（Artificial Intelligence，AI）是突破人类脑力极限的技术，是新一轮科技革命和产业变革的重要驱动力量，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是最典型的新质生产力。2024年诺贝尔化学奖和物理学奖的颁发，特别是物理学奖授予了在人工智能（AI）领域做出重大贡献的科学家，引起很大争议，认为传统物理学不存在了，这不仅反映了AI技术在全球科学研究中的重要地位，也为中医药的创新发展提供了新的启示和机遇。AI重点在积累、学习、筛选、生成、预测。

第二人工智能与新质生产力

人工智能包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习，计算机视觉等。人工智能是生产出一种新的能以与人类智能相似的方式做出反应的智能机器，是新质生产力中最具潜力、最具影响、最有希望的领域与技术。

人工智能大模型带来的治理挑战也不容忽视。马斯克指出，在人工智能机器学习面具之下的本质仍然是统计，如统计物理、聚类、降维、识别、神经网络、玻尔兹曼脑（机）。营造良好创新生态，需做好前瞻研究，建立健全保障人工智能健康发展的法律法规、制度体系、伦理道德。着眼未来，在重视防范风险的同时，也应同步建立容错、纠错机制，努力实现规范与发展的动态平衡。

成都是“新质生产力”概念首提地。习近平总书记说，2023年7月以来，他在四川、黑龙江、浙江、广西等地考察调研时，提出要整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力。发展新质生产力是推动高质量发展的内在要求和重要着力点。什么是新质生产力、如何发展新质生产力？习近平总书记说他一直在思考，也注意到学术界的一些研究成果。概括地说，新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态。它由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，以劳动者、劳动资料、劳动对象及其优化组合的跃升为基本内涵，以全要素生产率大幅提升为核心标志，特点是创新，关键在质优，本质是先进生产力。新质生产力的显著特点是创新，既包括技术和业态模式层面的创新，也包括管理和制度层面的创新。

从习近平总书记的重要论述中我们感悟到，新质生产力在于“三新一优一升”——新型劳动者、新型劳动资料、新型劳动对象及其优化组合的跃升，全要素生产率大幅提升。用数学表达新质生产力的特点是：

1+1+1＞3或者1+1+1→3+δx，

δx=[(1+1+1)-3]，

这里δx＞0是新质，由“三新”优化组合产生，呈现非线性特征，是传统生产力没有的性质与功能。在三大要素中，劳动者起着主导作用。生产力演进提升公式：

（一）传统生产力1.0版：传统生产力=（劳动力+劳动工具+劳动对象），土地是财富之母，人是决定性因素；

（二）科技生产力2.0版：创新生产力=科学技术X（劳动力+劳动工具+劳动对象+生产管理+金融资本），（科技是第一生产力）；

（三）变革生产力3.0版：新质生产力=（科技革命性突破+产业深度转型升级）X（劳动力+劳动工具+劳动对象+生产管理+金融资本）优化组合和创新性配置，发生质变出现δx。

如何发展新质生产力？习近平总书记强调，新质生产力的显著特点是创新，既包括技术和业态模式层面的创新，也包括管理和制度层面的创新。因此，

第一要大力推进科技创新。

第二要以科技创新推动产业创新。

第三要着力推进发展方式创新。

第四要扎实推进体制机制创新。

第五要深化人才工作机制创新。

习近平总书记强调，发展新质生产力不是忽视、放弃传统产业，要防止一哄而上、泡沫化，也不要搞一种模式。各地要坚持从实际出发，先立后破、因地制宜、分类指导，根据本地的资源禀赋、产业基础、科研条件等，有选择地推动新产业、新模式、新动能发展，用新技术改造提升传统产业，积极促进产业高端化、智能化、绿色化。培育壮大新兴产业，超前布局建设未来产业，完善现代化产业体系。

第三人工智能与中医药创新

中医的基本概念如系统观念、整体意识、辩证施治、协同作用、畅通原则、平衡原理、血治效应等引起AI界高度重视。《AI岐黄——中医大脑医案》《AI岐黄——中医大脑重症医案集》已经由中医药出版社正式出版。

2024年诺贝尔化学奖表彰了AI在蛋白质结构预测方面的突破性进展。大卫·贝克（David Baker）、戴米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M.Jumper）因“在蛋白质设计和蛋白质结构预测领域作出的贡献”获奖。

诺贝尔奖官方表示，三位获奖者破解了蛋白质惊人结构的密码，“2024 年诺贝尔化学奖是关于蛋白质的，蛋白质是生命中巧妙的化学工具，大卫·贝克成功地完成了构建全新蛋白质种类的这一‘几乎不可能的’壮举。哈萨比斯和江珀开发了一个AI模型解决了50年前的问题：预测蛋白质的复杂结构。这些发现具有巨大的潜力。”2024诺贝尔物理学奖也与AI有关。AI技术的进步对于中药研究具有重要意义。未来几年，人工智能（AI）将在中医药领域发挥越来越重要的作用，从基础研究、临床应用到产业优化等多个方面带来深刻的变革。

1.AI有助于基础研究与药物发现。蛋白质结构预测，AI技术将进一步提高蛋白质结构预测的准确性，帮助研究人员更好地理解中药成分与人体蛋白的相互作用，加速新药的发现和开发。中药成分分析，通过AI和大数据技术，可以更高效地分析中药中的活性成分，发现新的药理作用和潜在的治疗靶点。

2.AI有助于临床诊断与治疗。辅助诊断：AI技术可以辅助医生进行舌诊、脉诊等传统中医诊断，通过图像识别和数据分析提供更为精确的诊断结果，提高诊断的准确性和效率。

个性化治疗：AI可以根据患者的基因型、生理状态和病史，生成个性化的治疗方案，实现精准医疗。例如，通过AI算法推荐最佳的中药组合和剂量，提高治疗效果。

3.AI有助于智能开方与处方审核。智能开方系统，AI可以辅助医生开具中药处方，确保处方的安全性和合理性。减少人为错误。处方审核：AI可以自动审核处方，检查药物配伍禁忌和剂量是否合适，提高处方的安全性和有效性。

4.AI有助于药生产与质量控制。

智能化生产：通过机器人和自动化设备，实现中药生产的自动化和标准化，提高生产效率和产品质量。例如，江西中医药大学研发的中医药智慧系统装备，实现了从诊疗到煎药的全流程智能化管理。质量控制：AI技术可以对中药生产过程进行实时监控，确保每一批次产品的质量符合标准，提高产品的安全性。

5.AI有助于中医药数据管理和知识挖掘。

古籍文献数字化，通过OCR（光学字符识别）和自然语言处理技术，将大量的中医药古籍文献数字化，便于研究和传承。知识图谱构建：利用AI技术构建中医药知识图谱，系统化整理和呈现中医药的知识体系，为研究人员和医生提供便捷的参考工具。

6.AI有助于远程医疗与健康管理。

远程诊疗：AI技术可以支持远程诊疗，通过视频通话和智能设备，医生可以远程为患者提供诊断和治疗建议，特别是在偏远地区和基层医疗机构。

健康管理：通过智能穿戴设备和移动应用，AI可以监测患者的健康状况，提供个性化的健康管理建议，预防疾病的发生。

7.AI有助于国际合作与推广。

跨文化交流：通过AI翻译和多语言处理技术，可以将中医药知识和研究成果翻译成多种语言，促进国际间的学术交流和合作。

全球市场开拓：利用AI技术优化中药产品的市场营销策略，提高中医药在国际市场的竞争力和影响力。

8.AI有助于教育培训与人才培养。

虚拟实验室：AI技术可以创建虚拟实验室，模拟中药实验和临床场景，帮助学生和医生进行实践训练，提高教学效果。在线教育：通过AI驱动的在线教育平台，提供个性化的学习路径和资源，帮助中医药专业人才快速成长。

未来几年，AI将在中医药领域带来全方位的变革，从基础研究到临床应用，从生产制造到市场推广，每一个环节都将因AI技术的引入而变得更加高效、精准和智能化。这不仅将推动中医药的现代化和国际化，还将为人类健康事业作出更大的贡献。

第四活性成分识别与“拓扑中医药学”

AI技术在发现新的中药成分方面具有巨大的潜力，可以通过多种方式帮助研究人员高效、准确地识别和验证新的活性成分。

1.大数据分析与机器学习。

数据整合：AI可以整合来自不同来源的大量数据，包括中药古籍、现代研究文献、临床试验数据等，形成一个全面的数据库。

特征提取：通过机器学习算法，可以从这些数据中提取出关键特征，如化合物结构、生物活性、药理作用等。

模式识别：AI可以识别出潜在的活性成分与已知有效成分之间的相似性，帮助研究人员快速筛选出有潜力的候选化合物。

2.分子动力学模拟。

分子对接：AI可以通过分子对接技术，模拟中药成分与目标蛋白的相互作用，预测其结合亲和力和作用机制。

虚拟筛选：利用AI进行大规模的虚拟筛选，从成千上万的化合物中快速找出与特定靶标结合的潜在活性分子。

3.基因组学与代谢组学。

基因组挖掘：AI可以分析植物的基因组数据，识别出负责合成特定化合物的基因，从而指导研究人员在实验室中合成这些化合物。

代谢组学分析：通过代谢组学技术，AI可以检测和分析中药成分在体内的代谢产物，帮助研究人员理解这些成分的生物转化过程和作用机制。

4.高通量筛选。

自动化实验设计：AI可以设计高通量筛选实验，优化实验条件，提高筛选效率。

数据分析：通过AI技术，可以快速分析高通量筛选产生的大量数据，识别出具有生物活性的化合物。

5.网络药理学。

药物-靶标网络：AI可以构建药物-靶标网络，分析中药成分与多个靶标之间的相互作用，帮助研究人员理解中药的多靶点作用机制。

通路分析：通过网络药理学方法，AI可以预测中药成分对特定信号通路的影响，揭示其潜在的治疗机制。

6.自然语言处理。

文献挖掘：AI可以通过自然语言处理技术，自动提取和整理大量文献中的关键信息，帮助研究人员快速获取最新的研究成果。

知识图谱：构建中医药知识图谱，系统化整理和呈现中药成分的相关信息，为研究人员提供便捷的参考工具。

7.多模态数据融合。AI可以整合多种类型的数据，如化学结构、生物活性、基因表达、代谢产物等，形成多模态数据集。

AI可以提供更全面的分析结果，帮助研究人员更准确地识别和验证新的中药成分。

实际案例

斑马鱼模型：浙江大学药学院的研究团队利用AI结合高内涵筛选技术，通过斑马鱼模型发现了中药成分CyCL对心力衰竭的治疗潜力。

中药成分预测：苏格兰爱丁堡大学的研究团队利用AI技术筛选出了几种具有抗衰老潜力的中药成分，其中夹竹桃素被证明比现有药物更有效。

AI技术在发现新的中药成分方面具有显著的优势，通过大数据分析、分子动力学模拟、基因组学与代谢组学、高通量筛选、网络药理学等多种方法，可以大大提高研究的效率和准确性。这些技术的应用不仅有助于发现新的活性成分，还能深入理解中药的复杂作用机制，为中医药的现代化和国际化提供强有力的支持。

拓扑学（Topology）是研究图形（或集合）在连续变形（拉伸、压缩、弯曲等）下的不变的整体性质的一门几何学。它只考虑物体间的位置关系而不考虑它们的形状和大小。

从几何的角度来看，拓扑学的源头可以追溯到1736年，L.欧拉（L.Euler，1707－1783年）发表了真正属于拓扑学的第一篇论文。该论文研究的问题源起于18世纪，即哥尼斯堡七桥问题。在数学上，关于哥尼斯堡七桥问题、多面体欧拉定理、四色问题等都是拓扑学发展史的重要问题。哥尼斯堡河上建有七座桥，将河中间的两个岛和河岸联结起来。人们闲暇时经常在这上边散步，一天有人提出：能不能每座桥都只走一遍，最后又回到原来的位置。这个看起来很简单又很有趣的问题吸引了大家，很多人在尝试各种各样的走法，但谁也没有做到。看来要得到一个明确、理想的答案还不那么容易。利用普通数学知识，每座桥均走一次，那这七座桥所有的走法一共有7 × 6 × 5 × 4 × 3 × 2 × 1 = 5040（种）七桥问题本质是“一笔画问题”。欧拉说此问题无解，且给出了连通图可以一笔画的充要条件是：奇点的数目不是0个就是2个（连到一点的数目如果是奇数条，就称为奇点；如果是偶数条，就称为偶点。要想一笔画成，必须中间点均是偶点，也就是有来路必有另一条去路，奇点只可能在两端。因此任何图能一笔画成，奇点要么没有，要么在两端）。七桥图形中，没有一点含有偶数条数，因此上述的任务无法完成。完成“一笔画”任务的先决条件——

⒈ 凡是由偶点组成的连通图，一定可以一笔画成。画时可以把任一偶点为起点，最后一定能以这个点为终点画完此图。

⒉ 凡是只有两个奇点的连通图（其余都为偶点），一定可以一笔画成。画时必须把一个奇点为起点，另一个奇点为终点。

⒊ 其他情况的图都不能一笔画出。(奇点数除以2便可算出此图需几笔画成。)

▲七桥问题

“拓扑中医药学”是一个新概念，它将拓扑学的原理和方法应用于中医药学的研究中，旨在通过数学和计算科学的方法来理解和优化中医药的理论和实践。在中医药学中，拓扑学的应用可以帮助研究人员更好地理解中药成分的结构、药物与靶标的相互作用以及中医药的整体治疗机制。

在上世纪70年代，科学家发现了许多在拓扑意义上形成纽结结构的蛋白质（Knotted protein，也称打结蛋白），它们的天然结构呈现为开放的纽结（即，两端不连接）。尽管几何意义上，蛋白质（甚至DNA）可以看作一条（或几条）不闭合的曲线，但它们仍然能够形成纽结，从而影响其功能。事实上，在蛋白质数据库中，大约1%的蛋白质包含纽结结构。与绳子或者线不同，每一个纽结蛋白质都具有一个特有的纽结。纽结蛋白质中最大的一类是SPOUT酶（它们组成了七类不同结构的甲基转移酶中的第二大类）。除了一种例外，其余所有SPOUT酶都形成了“三叶结”——三个环相互重叠的结构。纽结理论中目前最大的未解之谜仍然是寻找完全不变量。现在，既然有了AI的助力，下一步的进展可能让我们感到惊讶。