随着数据的飞速积累和方法加速更新换代，未来医学范式将向以数据和计算方法为主的计算医学（Computational Medicine，CM）发生转变。通过计算模型和超算技术，这种新的医学范式以逼近真实的方式理解生命机理和疾病机制，并将提高疾病预测、临床诊疗和健康维护水平，使个性化决策成为可能，从而可能彻底改变从单个病人护理到政策制定的整个医学领域。

近日，浙江数字医疗卫生技术研究院、浙江树人大学和动脉网联合发布了《计算医学：数智时代的医学发展新范式》白皮书。白皮书认为，计算医学正在加速改变整个医学领域。

为方便阅读，本文对白皮书做了不改变原意的删减。

计算医学是如何兴起的？

医学实践具有相当大的不确定性，且一直存在。传统医学面对这些决策中的不确定性，通常的处理方式是通过从经验中积累的专业知识进行判断，后发展为通过循证医学的形式对研究进行系统的评估实现。然而，循证医学主要以群体证据作为核心依据，往往无法有效的解释个体差异。

随着基因测序、检查检验设备、可穿戴设备等新的检测方法和检测工具的不断涌现，获取个人不同尺度上的健康、疾病数据成为可能。这也导致医疗健康相关的数据指数级增长。同时，大数据赋予了医生和临床科研人员更多、更细致的维度去了解疾病发生发展过程，大大拓展了医学研究的深度和广度。

这些复杂数据的处理已经远远超出个人的处理能力，急需新的方式与手段帮助医生从多维、立体、融合的数据中摸索出规律，从而更精确地进行疾病的预测、预防、诊断和治疗。因此，以数据和计算方法为主的计算医学开始出现并发展。这也预示着未来医学发展范式的转向。

”人“系统涉及的数据维度尺度

早在上世纪八十年代，如何在医学领域里应用计算技术的研究就已经开始。1994年，于美国奥斯汀举行的首届计算医学、公共卫生和生物科技大会，计算医学已经开始显现成为医学重要前沿研究方向的趋势。不过，这在当时仍然是一个非常小众的研究，只有一小部分生物医学科学家在使用计算方法开展数学建模。

2012年10月，美国约翰霍普金斯大学生物医学工程教授Raimond 在《科学转化医学》（Science Translational Medicine）上发表了一篇名为《计算医学：从模型到临床》（Computational Medicine: Translating Models to Clinical Care）的综述性文章。在文中，他指出计算医学已经从理论走向实践。Winslow也因此被公认为计算医学新领域的创始人。

近年来，随着数据的飞速积累以及大数据的处理挖掘方法不断成熟，以深度学习为代表的人工智能方法在图像识别、自然语言处理等领域取得了令人瞩目的成就。这些数据和技术领域的革新也推动了计算医学进入新的快速发展周期。

计算医学是什么？包含哪些知识体系？

那么，什么是计算医学呢？对于这个问题，不同的专家或机构的定义在细节上略有区别。举例来说，纽约大学和约翰霍普金斯大学的解释就代表了两种不同的侧重定义。

纽约大学从计算技术和医学的关系层面，将计算医学描述为“计算医学是利用数据驱动的分析来发现复杂动态生物系统的结构、功能和进化”。约翰霍普金斯大学计算医学研究所则更强调计算技术对医学的价值：“计算医学是计算机科学和医学交界的一个跨学科领域，计算方法被开发来了解人类疾病。数学、信息学和计算模型被应用于为疾病的机制、诊断和治疗提供见解，并最终改善病人的护理”。

作为一门新兴学科，计算医学的核心是通过应用数学、计算科学来理解人类疾病的机理，为医学服务提供新洞见，提高并改善疾病诊疗水平。广义上，应用计算机和计算模型来支持医疗保健服务的医学研究的所有方面都可以被纳入到计算医学范畴。

另一个与计算医学密切相关的学科为计算生物学（Computational Biology）。根据美国国家卫生研究院的定义，计算生物学是指开发和应用数据分析及理论的方法、数学建模和计算机仿真技术，用于生物学、行为学和社会群体系统的研究的学科。

不难发现，计算医学和计算生物学有部分交叉，例如在计算基因组学领域。相对而言，计算生物学作为生物学的一个分支，归属于基础科学，主要是为医学研究提供基础支撑；计算医学则更偏向于应用科学，关注的是人体健康与疾病相关问题的研究。

计算医学的研究重点大致经历了三个阶段的演变：人体仿真与计算建模研究阶段、基因大数据驱动的计算医学应用研究阶段以及基于人工智能的计算医学与应用研究阶段。伴随现代医学向微观和宏观两方面的发展，计算医学的研究内容逐渐包含了计算基因组学、医学信息学、计算神经遗传学建模、计算神经科学、人体建模、数字人体、精准医学等领域。