清华程静教授：AI生成中药新方需以生物学数据为起点

(新加坡，2026年9月23日) 人工智能能否开出从未存在过的中药处方？清华大学智能中医药工程研究中心主任、生物医学工程系教授程静认为可以，但他指出更关键的问题是：AI生成的处方从何而来，研究人员如何证明其安全且有效。

在曼谷举行的2026年腾冲科学家论坛上，程静接受了《福时报》专访。该论坛迎来第五届，曼谷站也是首次在中国境外举办。围绕中外科学交流扩大的背景，程静探讨了AI如何为传统医学的研究与验证开辟新路径。

目前AI已用于研究中医。大量古籍医案和现有处方可被数字化分析，快速识别特定疾病的常用药材、配伍规律及历史剂量。但程静团队采取了更激进的方法：不从已有处方中找规律，而是从疾病本身出发。

“如果历史文献记载有误，系统会跟随错误。”程静指出，单纯依赖AI挖掘历史知识属于基于既有经验的研究，虽有价值但存在局限。现代生物医学已明确许多疾病相关的基因、蛋白质和信号通路。信号通路是细胞传递和响应变化的生物信号链。研究人员通过对比健康与患病状态，找出异常活跃的基因或紊乱的信号，进而寻找能将异常生理状态拉回正常的天然药物组合。

为此，程静团队耗时约十年积累实验数据。研究人员将不同天然药物提取物作用于细胞，观察基因表达变化，目前已积累约15亿个数据点。这些数据是AI进行计算的基础，因为AI无法凭空开方。

进入计算机筛选阶段后，程静将过程比作打：“抽到一张牌，若改善手牌则弃掉较弱的一张，再抽下一张并不断调整，直至达成组合。”面对数千种药材和海量组合，人类无法逐一测试，AI在此发挥大规模搜索作用。但程静强调，AI仅是工具，生物学问题来自基础医学研究，药材信息来自实验，基因变化通过基因组学等技术测量，生物效应结合影像等手段验证。

AI生成的组合并非直接成为治疗方案，安全性是首要考量。团队在搜索初期即内置安全要求，优先选择药食同源或药典收录安全性较高的物质，排除高毒性材料。例如在慢性心力衰竭研究中，除评估疗效外，还监测治疗后的肝肾功能指标。AI生成的配方不能仅因产生预期生物改变就视为成功，必须避免严重或不成比例的副作用。

此外，AI的计算能力受限于已知科学知识。若对疾病机制理解有误，算法可能给出精准但方向错误的结果。程静比喻称，若情报显示敌人在前方而实际在后方，计算再快也会打错方向。因此，AI能放大知识，也可能放大认知盲区，这对机制尚不明确的疾病尤为关键。

另一重要进展是处方的动态调整。传统处方多针对固定症状模式，但若治疗过程中患者生理状态发生变化，干预目标也应随之改变。团队在结直肠腺瘤干预研究中指出，早期配方可能侧重异常细胞，后期随生理状态变化，可转向调节免疫系统或恢复整体机能。“既治局部，也顾整体。”

该方法也为跨国合作提供新思路。泰国、印尼等东南亚国家拥有本土传统医学体系和天然药物资源。程静建议，合作起点不应是直接输出固定中方处方，而应从当地迫切的健康问题入手。若某地特有药材未被纳入现有数据库，可将其分子效应数据加入库中，使计算机能利用本地资源生成候选组合。中国可提供研究平台、实验方法与算力，东南亚伙伴贡献疾病数据与药材资源，双方共同验证候选方案，形成跨境自然药物研究新模式。

程静提醒，AI处理信息的速度不等于发现安全有效疗法的速度。若Zui终转化为产品，仍需跨越药品或医疗器械监管、定价、医保及公共卫生体系等政策环节。他将医疗创新比作双轮马车，技术是一轮，政策是另一轮，“仅有一轮转动只会原地打转，双轮并进才能前行。”

当前Zui显著的变化在于，AI正逐步融入处方制定流程本身。过去起点多为医师经验，如今起点转为可测量的生物变化，结合实验数据后由AI在海量可能组合中搜索。处方不再局限于古籍记载，而是成为基于生物学与数据的可验证假设。从计算机生成的组合到患者可用的安全治疗，中间仍隔着漫长的实验、临床证据与监管审查，但研究边界已然拓展。