生命算子如何统一多尺度建模？复旦Neolab提出AI驱动的生命计算新范式
近年来，人工智能在生命科学领域的渗透不断加深，从蛋白质结构预测到单细胞转录组分析，AI正逐步成为理解生命机制的重要工具。然而，一个根本性问题始终悬而未决：如何将不同尺度的生命现象——从分子、细胞到组织、器官乃至整体人体——纳入一个统一的计算框架中？
2025年，Arc Institute发起的虚拟细胞挑战赛吸引了全球数千支队伍参与，标志着AI Virtual Cell（AIVC）已成为热点。但正如复旦大学Neolab团队所指出的：“人不是一个细胞。”药物作用于人体时，其效应会跨越多个尺度：从分子通路扰动，到细胞功能改变，再到组织微环境重构，最终表现为器官功能异常或临床症状。这种跨尺度耦合性，正是当前大多数AI模型所忽视的。
在此背景下，复旦大学上海医学院王烁与香港科技大学郭毅可教授提出的“生命算子（Life Operators）”框架，试图从根本上重构生命建模的逻辑。
从“大模型”到“可组合算子”：生命建模的新思路
与当前主流AI研究追求更大参数量、更广数据覆盖的趋势不同，生命算子的核心思想是将生命系统数学化为一组可组合、可验证的基础计算单元。这一思路源于对生命本质的重新定义：生命并非静态实体，而是一个开放、随机、受控且部分可观测的多尺度动力系统。
在这一视角下，医生看到的CT影像、心电图或病历记录，并非生命状态本身，而是其在特定观测条件下的“投影”。因此，要实现真正的生命推演，必须解决三个关键问题：
- 当前状态是什么？——需从杂乱的观测数据中反推系统内部真实状态；
- 未来会如何演化？——需模拟在自然进展或干预措施下的动态变化；
- 变化后会产生什么可观测结果？——需将内部状态映射回临床可测量的输出。
为应对这三大挑战，生命算子被划分为三类核心组件：
- 感知算子（Perception Operator）：负责从多模态临床数据（如影像、组学、电子病历）中提取并重建系统当前状态。例如，EndoKED系统利用视觉-语言模型从百万级内镜图像中自动标注病变区域，本质上是一种高阶感知算子。
- 演化算子（Evolution Operator）：模拟系统在时间维度上的动态演变。它不仅预测疾病自然进程，还能评估药物、器械或手术等干预措施的潜在效果。MeshHeart项目通过将三维心脏运动压缩至潜在空间并学习其演化规律，正是此类算子的早期实践。
- 生成算子（Generation Operator）：将推演后的内部状态转化为可被临床验证的输出，如合成CT图像、心电波形或病理报告。这类算子确保模型预测具备可解释性和可检验性。
三者构成一个闭环反馈系统：观测 → 状态重建 → 推演 → 生成新观测 → 校准。这种设计使模型具备持续学习与自我修正的能力。
尺度桥：打通细胞到人体的信息通道
真正棘手的问题在于：不同尺度的模型使用不同的“语言”。细胞模型关注离子通道动力学，组织模型侧重力学特性，而器官模型则聚焦血流动力学或电传导。若强行将所有细节堆叠，不仅计算成本高昂，还会引入冗余噪声。
生命算子为此引入“尺度桥（Scale Bridge）”机制，作为跨尺度信息传递的“翻译器”。其核心原则是：只传递必要信息。例如，细胞层面只需向组织模型输出关键参数（如收缩力、代谢率或信号分子浓度），而非全部分子细节；反之，器官层面的压力负荷或药物浓度也可作为边界条件反馈至细胞模型。
这种“按需通信”策略使得系统可根据具体任务动态调用所需尺度。例如，在评估心脏起搏器效果时，可能仅需整合电生理细胞模型与器官级泵血模型，无需涉及基因调控网络。这种任务导向的模块化架构，显著提升了计算效率与模型可解释性。
最终，所有算子通过有向图结构连接，形成“生命算子图（Life Operator Graph）”。该图并非固定不变，而是可根据新证据动态调整节点与边——这引出了生命算子的另一关键特性：证据驱动的自进化。
证据驱动：让AI模型接受“科学考试”
传统AI模型一旦训练完成，其行为逻辑即被固化。而生命算子强调：任何算子都必须经受独立验证。当新数据（如前瞻性临床试验、动物实验或真实世界证据）出现时，系统会自动评估现有算子的预测准确性。
- 若预测与实证高度一致，则算子被保留甚至升级；
- 若存在偏差但可修正，则触发参数重校准；
- 若被证伪，则算子进入“休眠”或直接淘汰。
这种机制确保模型不会陷入“黑箱幻觉”，而是始终锚定于科学实证。更重要的是，它使科研成果从“一次性论文”转变为可复用、可迭代的计算资产。例如，RenalCLIP肾癌模型不仅用于影像分类，还可拆解为感知与演化算子，迁移至其他泌尿系统疾病研究中。
过去五年，Neolab团队已在多个领域验证这一范式：
- 消化内镜：EndoKED实现像素级自动标注，发表于《Nature Biomedical Engineering》；
- 肾癌：RenalCLIP整合27866次CT扫描，支持诊断、分层与预后一体化分析，两篇论文登《Nature Communications》；
- 心血管：MeshHeart构建个体化心脏动态模型，《Nature Machine Intelligence》刊载；另有一项大规模人群心脏表型研究发表于《Nature Medicine》。
这些工作共同勾勒出一条清晰路径：从感知到推演，再到生成，最终形成闭环生命计算系统。
Cardio-World：生命算子的首个工程化落地
理论之外，Neolab已启动工程化探索。2025年，王烁团队成立上海全晓得医疗科技有限公司，推出旗舰项目“Cardio-World”——一个基于生命算子的心脏计算平台。
选择心脏作为首站，因其天然具备跨尺度复杂性：
- 微观：心肌细胞的电-机械耦合；
- 介观：心肌纤维的各向异性收缩；
- 宏观：整个心脏的泵血功能与血流动力学；
- 临床：心电图、超声、MRI及患者症状。
Cardio-World的目标并非生成逼真心脏动画，而是构建一个可回答干预问题的决策引擎。例如：“若将某患者左室射血分数提升5%，其心衰住院风险会降低多少？”或“更换某种瓣膜材料后，长期血栓形成概率如何变化？”
这类问题的答案，可直接服务于“一人一药”的精准治疗设计。更重要的是，Cardio-World有望成为“虚拟临床”的基础设施：在真实试验前，先在模型中筛选无效或高风险方案，大幅压缩研发周期与成本。据团队规划，该平台将于2026年底完成完整迭代，覆盖药物、器械与个体化治疗场景。
从识别到干预：医疗AI的范式跃迁
回顾过去十年，医疗AI主要解决“我看到了什么”的问题——肿瘤检测、骨折识别、心律分类等。而生命算子推动的下一阶段，是回答“接下来会发生什么”以及“如果我们行动，未来会如何改变”。
这一跃迁的意义远超技术层面。它意味着AI不再仅是辅助诊断工具，而是成为生命规律的探索者与干预策略的协作者。通过将机理模型（如微分方程）与数据驱动模型（如神经网络）统一于算子框架，生命算子试图弥合“白箱”与“黑箱”之间的鸿沟。
当然，挑战依然巨大：多尺度数据的获取与对齐、算子验证的标准化、临床接受度等。但正如王烁团队十五年从力学方程走向“生命方程”的历程所示，真正的突破往往始于对基础问题的重新定义。
AIVC或许只是序章，而生命算子所开启的，是一场关于“让生命可推演”的更宏大竞赛。在这条路上，每一次算子的验证与迭代，都是人类向理解生命复杂性迈出的坚实一步。