计算医学首次写入国家规划：赵宇解读十五五医药工业规划，2030年首创新药全球占比25%的目标靠什么撑

从概念到国策：计算医学拿到的不仅是一个名词，而是一张产业考卷

趋势前瞻视角 × 药企研发负责人 ｜ 影响分析 × 投资人与产业分析师 ｜ 行业观察

**近日，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》，提出加快人工智能、量子计算、超级计算、计算医学等新技术赋能药物研发。**这是“计算医学”作为专有名词首次出现在国家规划中，一门酝酿二十余年的学科由此从学术圈走向产业舞台中央，也拿到了一张必须在五年内作答的考卷。

开场：一个专有名词，第一次出现在国家规划里

这份《规划》为未来5年我国医药工业高质量发展划定核心路径，而计算医学与人工智能、量子计算、超级计算并列出现，意味着它不再只是论文里的方法论，而是被纳入国家级产业议程的技术选项。9月23日，经济参考报刊发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的署名解读；9月24日，科技日报也就同一主题采访相关专家。赵宇是计算医学的发起与倡导人之一。

按照赵宇的定义，计算医学依托数学、工程学、计算科学等学科，量化分析、模拟人体疾病机制，落地于疾病诊断、机制研究与精准治疗。这个定义里有三个关键词值得标记：量化、模拟、落地——它拒绝停留在描述生命现象的层面，而是要求把疾病变成可计算、可推演的对象。

对产业界而言，名词入规的信号意义不容低估。五年规划的措辞决定了资源投向、立项口径与评价体系，一个专有名词的出现，往往对应着后续项目、平台与人才的系统性布局。一个名词进入五年规划，实质是一次身份转换：它从被研究的学术概念，变成被考核的产业命题。

医学为什么需要计算：双十魔咒的症结

创新药研发长期受制于“双十魔咒”——一款创新药从研发到上市需耗费10年10亿美元。以往受限于数据、算力、算法水平，医药创新多走单靶点或多靶点路径，而人体并非靶点的简单叠加，这种还原论式路径难以反映生命活动的真实情况，大量投入因此沉没在失败管线上。

赵宇认为，与传统研究割裂式分析疾病靶点和药物作用不同，计算医学以复杂性系统科学的整体论为思维方式，理解生物分子、细胞、组织器官之间的相互作用，系统捕捉疾病发生机理。双十魔咒的症结不在投入不够，而在认知框架：把疾病当零件修，而不是当系统看。

条件也在成熟。随着基因组、医学影像、数字病理等多维度生命数据规模化积累，叠加超级算力与大模型迭代，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。整体论第一次有了可操作的工程基础：数据提供了观察尺度，算力提供了处理强度，算法提供了建模语言，三者齐备，系统性解码疾病才从愿景变成可执行的工程任务。

计算医学不是AI制药：一场概念正名

名词入规之后，最紧迫的工作是正名。以往AI制药应用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，本质上是在既有研发流水线上做局部提速。计算医学则整合机器学习、知识图谱、多组学整合、因果推断、数字孪生等多元技术，目标是搭建可验证、可复用、可落地的真实疾病模型。

两者的分水岭在于对数据的态度。赵宇强调，拥有海量数据不等于读懂疾病，数据如何关联、因果如何判定、靶点干预后人体系统如何响应，必须依靠计算医学模型解答。这句话点破了行业常见的错觉：数据堆积不会自动产生知识，没有模型的数据只是库存，不是资产。

对药企研发负责人来说，这一区分直接影响预算投向——是继续采购单点工具，还是投入疾病模型这类长周期基础设施。正名的实质，是把计算从工具箱升格为方法论：AI制药优化的是环节，计算医学重构的是认知对象本身。

25%的目标：从算力资源到创新成果的闭环

《规划》提出，到2030年首创新药占全球比例达到25%以上，创新药产业规模高速增长，跻身全球药物创新第一梯队。赵宇指出，这不仅需要更多新药管线与上市药品，更需要全新疾病机制、原创靶点与创新治疗思路。换言之，首创新药的“首”字，恰恰是既有路径最难交付的部分。

落到产业任务上，计算医学需要搭建可解释、可验证的疾病计算模型，挖掘传统手段无法触及的疾病新机制与新靶点，提前筛除高风险研发路径，优化患者分层与临床试验设计，最终成为生物医药产业可普惠调用的基础底座能力。其中“可普惠调用”四字尤值得投资人注意——它意味着底座能力的价值不取决于单一管线的成败，而取决于被多少研发主体复用，其商业逻辑更接近基础设施而非项目制服务。

25%是成果指标，闭环才是路径：数据、算力只有经由模型转化为机制发现与临床决策，才算完成从资源到成果的一跃。

冷静观察：名词入规只是起点，价值要靠可落地证据定义

从2005年国际学科诞生到写入中国医药工业五年规划，计算医学走过二十余年沉淀，角色几经变迁：从数据处理工具到药物设计助手，再到以系统建模解码疾病、以计算证据支撑创新的核心底座技术。进入规划，只是这条长坡上的一处里程碑，而非终点。需要提醒的是，政策热度向来是双刃剑——它能加速资源聚集，也会催生蹭概念的项目泡沫，行业越热闹，越需要把检验标准前置。

政策文本给的是方向，市场与监管要的是证据。数字疾病模型与数字患者体系能否适配真实世界场景、支撑前瞻性研究，最终形成可落地证据赋能研发与监管决策，才是这门学科的终极检验标准。对投资者而言，这也意味着估值锚点的转移：概念热度会退潮，能被监管采纳、被临床验证的计算证据才会沉淀为真实壁垒。

名词入规解决的是“名分”，可落地证据解决的是“性命”——五年之后回头看，决定计算医学成色的不是它出现在哪份文件里，而是它支撑了哪些真实的新药答案。

原文链接：经济参考报

---

千方医数集编辑部 出品