（2026.09.23，新加坡）一张中药方子，可以由AI（人工智能）重新“组”出来吗？
中国工程院院士、清华大学医学院生物医学工程学院教授程京给出了答案：可以。不过，这里的挑战，不是AI会不会“开方”，而是这张方子产生的依据，以及如何证明它安全、有效。
传统医学积累了数千年的用药经验，是中华民族的瑰宝。如何借助AI，对传统医学的医疗价值进行科学验证，程京的团队选择了一条独特的道路。
他们不只是从古方中寻找规律，而是从疾病本身出发：先了解疾病在基因和分子层面发生了什么，再让计算机从大量天然药物中寻找可能改变这些异常状态的组合。
换句话说，不是先有方，再解释它的效果；而是先提出一个现代医学可以研究的问题，再重新计算出一张可能有效的方子。这背后，是程京院士近年来持续推进的“分子本草”与AI智能组方研究。
程京从事医学生物物理及生物医学工程研究30余年。早在1998年，他关于“芯片实验室”（Lab on a Chip）的研究成果登上《Nature Biotechnology》封面，并被《Science》当年评选的世界科技十大突破之一“Biochip”所引用。回国后，他长期推动生物芯片、疾病分子诊断及相关仪器研发和产业化。
近十年来，他开始把基因组学、生物信息学、人工智能与传统药物研究放进同一个体系。在2026年腾冲科学家论坛期间，《时代财智》采访了程京院士。他分享了自己长期以来希望回答的一个古老而复杂的问题：传统医学中的经验，能否通过现代科学重新理解和验证？
不只是“读古方”，而是从疾病本身出发
目前利用AI研究中医药，文献挖掘是最常见的方法之一。
阅读海量历代医籍、名医案例和历史处方，将其数字化之后，人工智能进行迅速统计：针对某种疾病，哪些药物使用频率最高、常见剂量是多少、哪些药物经常配合使用等等。
程京院士把这种方式称为基于“先验知识”的研究。它有价值，但存在局限：“如果历史上的文献中报道的东西是错的，它会跟着错。”也就是说，AI可以快速整理人类已有知识，却无法保证这些知识本身的正确性。
程京团队选择的技术路线是：研究某一种疾病时，首先关注的不是传统方剂，而是全球科学家已经发现的、与这种疾病相关的基因和信号通路。
如果一种药物有效，那么它应该能够在一定程度上把异常的生物状态向正常方向调整。不过，问题随之而来：成千上万种天然药物中，究竟哪些药具有这样的作用？
这就需要庞大的基础数据。程京团队用了约十年时间积累实验数据，目前已经建立起约15亿量级的数据基础。研究人员将不同天然药物提取后作用于细胞，再观察细胞内部基因表达发生的变化。
当这些数据逐步建立起来以后，计算机有了“选择”的依据。这个过程，程院士用了一个形象的比喻——打麻将。
“一张牌摸进来，如果想让手里的牌更好，就把相对差的牌打出去；再摸一张，再比较，不断调整，直到找到一个最理想的组合。”
组方也是如此。只不过面对15亿量级的数据，人类不可能靠手工逐一尝试。AI最大的作用，就是把原本不可能由人工完成的“穷举”计算变成可能。
虽然如此，不过，在他的研究体系中，AI不能是一个独自“创造药方”的黑箱。
疾病机制来自基础医学研究，天然药物作用来自实验数据，图像识别需要生物成像技术，基因变化需要组学技术，最后才由算法进行大规模筛选和计算。
“AI是个工具。”程京院士反复强调。
AI算出来的方子，怎么证明有效？
如果AI计算出了一张过去没有人使用过的方子，接下来怎么办？程院士解释说，算法提出一个“候选答案”，距离成为患者的临床治疗方案，中间还有很长的路。
首先是安全。在研究中，他们会从源头设定筛选条件，优先选择药食同源或药典中明确安全性较高的天然药物，同时排除可能带来明显毒性的药物。
以慢性心力衰竭研究为例，研究不仅关注治疗效果，也观察服用后肝肾功能等安全指标。不过，安全性并不是唯一难点。还有一个AI无法绕开的局限：它只能在目前人类已经掌握的科学知识基础上进行计算。
“如果科学界对一种疾病的认识还不完整，也可能导致AI得到的答案出现偏差。”程院士说。
那么，那些研究基础较少、疾病机制尚不清楚的领域，基于现有知识计算出的方案，实际效果就可能并不理想。
他又用了一个比喻：如果敌人在身后，但现有资料都告诉你敌人在前面，那么无论计算速度多快，枪还是会朝前方打。这提示了今天AI医学研究中一层重要的逻辑：AI能够放大已有知识，也可能同时放大已有的知识盲区。
传统医学强调整体、辨证和复方，而现代生物医学往往希望找到明确的成分、靶点和作用机制。那么，当基因、信号通路和人工智能进入中医研究后，会不会只是用现代生物医学的语言重新解释中医？
程院士不这样认为，他以结直肠腺瘤干预的研究为例。他说，一个患者的处方并非一成不变，而会随着身体状态的改变重新计算。
他用“房子着火”来形容：刚开始首先要灭火；当火被扑灭之后，下一阶段的目标就不再只是继续灭火，而要防止它重新燃烧。对应到AI的处方上，早期可能更强调直接针对异常细胞；随着状态改变，之后的组方会更多转向免疫调节和整体状态。
“它既有局部，又有整体。”然而在过去，“整体”很难被量化。如果能够同时分析足够多的分子、细胞和系统数据，所谓“整体状态”也许不再只能依靠经验描述，而有机会变成可以观察、比较和验证的数据。
当然，这并不意味着AI能够证明所有传统理论都是正确的。恰恰相反，应该允许三种结果同时存在：有些经验被现代数据支持；有些需要重新解释；还有一些可能最终无法得到实验验证。
科学的价值，不在于证明传统一定正确，而在于能够验证，也能够证伪。“AI是个工具”，程院士强调。
与东南亚合作，因地制宜“药”本地化
泰国、印度尼西亚以及其他东南亚国家，拥有丰富的天然药物资源，也有自己的传统医学和长期积累的民间用药经验。那么，中国与东南亚在这一领域，可以从哪里找到有价值的合作切入点？
程京院士认为，不同国家的疾病谱不尽相同。因此，不要先设定一个宏大的“传统医药合作项目”，再去寻找适合的疾病，而应该先了解当地真正面对的医疗问题。
比如，泰国方面提出某一种疾病在当地高发、现有治疗仍有明显不足，那么双方就可以从这个具体问题入手。这种思路不是看“中国有什么药”，而是“当地有什么需要解决的疾病”，而药材也不必局限于中国。
程京院士认为，如果泰国、印尼或其他国家拥有中国没有的天然药物，可以先通过实验建立这些药物的分子作用数据，再把它们加入数据库。之后，面对同一种疾病，计算机完全有可能使用当地天然药物，重新组合出新的候选方案。
如果这一模式能够形成，传统医学的国际合作方式也可能发生变化。中国输出的不是一张固定的中药方，东南亚提供的也不仅仅是市场。
一方可以提供研究平台、计算体系和实验方法，另一方提供当地疾病数据、天然药物资源与传统医学经验，共同完成实验与临床验证。由此产生的，可能是一套跨越国界的天然药物研究体系。
AI让研究加速，医学却不能只讲速度
人工智能的“快”，让我们爱不释手。
过去需要大量人工完成的数据分析，现在可以由AI迅速完成；过去几乎无法穷举的药物组合，也可以在算法帮助下快速筛选。不过，程京院士指出，医疗创新绝不能只讨论技术速度。
当一项成果真正进入医院，还需要药物和医疗器械审批、价格体系、医保支付以及整个医疗系统的配合。
他把创新比作一辆车。一个轮子是技术，一个轮子是政策。“任何一个轮子在那儿转，它就是个原地打转，只有两个轮子同时转的时候，这个马车才能前行。”
从这个意义上说，人工智能改变传统医学，不能只是追求快速产生一张“神奇药方”的瞬间。它需要基础科学，需要长期积累的数据，需要实验和临床验证，也需要监管制度跟上技术创新。
由此，一张方子不再只是“古人这样用过”，它还要回答：为什么这样组合？作用在哪里？是否安全？能否重复？最终，患者是否真正受益？
或许，这才是从“古方里找规律”，走向让AI重新组一张方子的真正意义。
