摩熵亮相西藏藏医药产业大会，发布DATA+AI赋能藏药传承创新整体解决方案

2026年8月10日至11日，“宇正筑基・创新提质——新时期西藏藏医药产业发展成果展示与学术交流会”在拉萨乃仓酒店隆重举行。本次大会由西藏药学会主办，西藏诺迪康药业、西藏自治区食品药品检验研究院等单位联合承办，汇聚区内外权威专家、学者及产业代表，共探藏医药传承创新与高质量发展路径。

摩熵创始人兼CEO王中健博士受邀出席，并发表《DATA+AI促进藏医药传承创新发展》主题演讲，围绕“AI for藏药研发・解锁复方密码・智造未来藏药”核心理念，系统阐述数据与人工智能如何打破传统藏医药研发的经验局限，为藏医药现代化传承与产业化发展提供全新范式。

（西藏藏医药产业发展交流会合影）

一、传统藏药研发困局：跨尺度解析与经验依赖的双重瓶颈

演讲开篇，王中健博士指出全球医药研发正加速从长周期、高风险的传统模式转向数据驱动的AI创新路径。行业数据显示，AI驱动研发可将药物研发周期从10-15年缩短至3-5年，早期研发周期缩短75%-90%，临床成功率预期从约10%提升至30%以上。在此背景下，藏医药的数智化转型已进入实际产品落地的关键阶段。

随后，王中健博士深入剖析了传统藏药新药研发面临的三大核心瓶颈：其一，藏医药秉持整体观，复方依托“多成分、多靶点、多通路”的协同网络实现对复杂疾病的系统干预，作用机制解析难度极高；其二，藏药化学成分复杂度远超常规药物，传统实验手段在剂量-效应关系与协同机制分析上存在天然局限；其三，传统研发高度依赖名医临床经验，不仅研发周期冗长、试错成本高昂，更面临着从宏观藏医理论向微观分子生物学机制“跨尺度”解释的巨大黑盒难题。

（摩熵创始人兼CEO王中健）

面对上述困局，王中健博士清晰地给出了路径：人工智能特别是大语言模型（LLM）、深度学习（DL）与图神经网络（GNN）的飞速发展，结合藏药品种多年积累的试验数据和公共资源数据，AI+网络药理学为藏药新药研发带来了历史性的范式转移。行业正从依赖人体试错的经验范式、聚焦单一成分的还原论范式，迈向以网络靶标调控与系统生物学计算为核心的AI-NP数据驱动范式。而这正是摩熵DATA+AI业务的核心发力点——通过技术与数据的深度融合，打通传统藏医药与现代研发的壁垒。

二、DATA+AI全栈方案：从经验驱动到数据驱动的范式跃迁

针对藏医药研发的行业痛点，王中健博士系统拆解了摩熵面向中（藏）医药产业打造的DATA+AI全栈解决方案。该方案以五层架构（数据资源层、知识加工层、AI组方引擎层、业务应用层、平台管理层‌）实现从数据采集到智能应用的全链路闭环，充分彰显了摩熵在DATA+AI领域的技术整合与落地能力。

在数据底座层面，平台整合了中藏药基础数据、方剂数据、病证数据、疾病靶点数据、文献知识数据等多维资产，覆盖ETCM、TCMSP、HERB等十余个公共数据库及TCGA、OMIM等疾病靶点数据库，同时纳入《四部医典》《晶珠本草》《月王药诊》等藏医药经典古籍。

在核心技术层面，方案以“功能状态”作为藏医药理论与现代医学的公共语言，实现跨尺度知识桥接。将藏医“三因证候”映射为可计算的生物网络模块，如“隆失衡状态”对应交感与副交感张力失调、离子通道兴奋性异常等功能网络；同时将“六味八性十七效”桥接到药理空间，如“重、钝”对应分子量大、脂溶性高、代谢慢等特征。通过将靶点投射到“证候网络模块”，平台可计算方剂对“隆异常”“赤巴热”等状态的系统调节能力，实现“味性化味”整体功效的精准预测。

围绕藏药研发的核心任务，摩熵打造了差异化技术方案，充分展现AI算法与数据融合的优势：

疾病靶点预测方案：采用多模态特征融合与两阶段训练策略，化合物侧融合分子图表示、MolCLR预训练嵌入及ECFP6指纹描述符，蛋白侧融合ProtBERT序列嵌入、AlphaFold结构拓扑特征及知识图谱网络特征，先以通用DTI数据完成预训练，再注入中药特异性数据微调，同步结合ADMET多任务联合优化，大幅提升靶点预测精度。

新组方挖掘方案：将新组方挖掘建模为条件集合生成问题，基于HGT异质图编码器提取疾病节点与约束条件的上下文表示，通过Transformer解码器自回归生成药物序列，以图指针网络进行注意力打分，兼顾配伍关系、性味归经互补度等约束，采用监督预训练与强化学习微调的两阶段策略，保障组方的科学性与合理性。

（新组方挖掘方案）

新适应症挖掘方案：将新适应症挖掘建模为链接预测问题，基于异质图神经网络开展多层卷积，通过注意力聚合层将方剂多味药物的节点嵌入聚合为固定维度表示，再经评分头计算与候选疾病的交互得分，输出疾病推荐列表并附带可解释性路径可视化，让挖掘结果更具说服力。

在技术底座支撑方面，方案融合生成式大语言模型（LLM）与知识图谱（KG）、检索增强生成（RAG）技术。LLM经藏医药知识微调后，可精准捕捉专业领域的微小语义差异；KG与RAG的结合则有效降低了AI幻觉，为专业医学场景提供可靠知识支撑。

三、平台落地：方策AI藏药组方挖掘平台实战亮相

演讲中，王中健博士重磅展示了摩熵自主研发的“方策AI”藏药知识管理与智能辅助决策平台。该平台已构建包含43.7万余条实体的藏医药知识图谱，覆盖藏药实体、方剂实体、化合物实体、靶点实体等核心维度，已解析156首方剂，日均知识问答超百次，成为藏医药数智化转型的标杆工具。

平台具备六大核心功能模块：知识图谱可视化管理、藏药知识智能问答（支持溯源引用）、方剂作用机制深度解析、AI组方智能推荐（支持西医病名、藏医病证、症状、靶点通路多维输入）、AI方剂库（已累计生成2847首方剂，平均置信度89.6分）、适应症挖掘，全面覆盖藏医药研发与应用的核心需求。

（“方策AI”藏药知识管理与智能辅助决策平台）

尤为亮眼的是，平台采用“藏医理论脑+药物靶标脑”双脑评分机制，在生成组方时同时考量藏医理论符合度与现代靶点覆盖度，实现传统智慧与现代科学的有机融合。每首AI生成方剂均附带完整推理过程、分析报告与安全评估，确保结果可追溯、可验证，充分体现摩熵DATA+AI方案的严谨性与实用性。

四、标杆案例：某经典藏药的AI+网络药理学，解锁“异病同治”的分子奥秘

作为摩熵DATA+AI赋能藏药研发的标杆实践，王中健博士分享了某经典藏药二次开发的实践成果。研究团队采用“常规ADME筛选+指标成分豁免”双轨策略，从10味药材的454个原始化合物中筛选出171个核心活性成分，预测得到478个独立人源蛋白靶点。

通过对酒精性脂肪肝（AFL）与非酒精性脂肪肝（NAFLD）的双病网络分析，揭示了该复方“共用核心抗炎抗氧化，分解毒与代谢异常”的“异病同治”分子机制：AFL干预聚焦乙醇代谢酶与肠道内毒素易位，富集CYP2E1、ADH1B等关键靶点；NAFLD干预聚焦代谢传感器与胆汁酸稳态，富集AMPK、PPAR、FXR等通路；双病共有核心靶点98个，集中于TNF、HIF-1、Th17细胞分化等炎症—应激核心环路。

研究还发现AMPK-SREBF1降脂模块、NF-κB/TLR4抗炎模块、内质网应激保护模块三大协同功能模块，充分印证了该经典藏药“君臣佐使”配伍的分子逻辑——小檗皮（小檗碱）和蒂达（芒果苷）占据核心降脂与增敏靶点枢纽，木香、洪连、熊胆粉等在抗炎和细胞修复层面提供网络补偿，为藏药研发的科学化、精准化提供了典范样本。

目前，摩熵围绕药物研发、临床开发、注册申报、生产质控、商业营销等全场景，紧密贴合不同客户的业务特性与多元化需求，打造全链路数据治理、定制化知识库、专属业务系统开发、MCP系统集成、AI智能体定制等精细化服务。已助力多家头部药企量身构建研发协同系统与智能化数据解决方案，成功落地药物研发情报系统、临床试验方案智能体、GxP合规审查智能体、智能数仓与AI问数、医药代表AI对练系统等标杆应用，深度打通数据与业务链路，助力客户大幅压缩信息获取时长、削减合规管理开支、强化业务执行效能。

五、结语

藏医药是中华民族医药宝库中的璀璨明珠。在新时代背景下，推动藏医药“传承精华、守正创新”，既是对传统医学的赓续发展，更是落实健康中国战略、服务国家治边稳藏大局的关键举措。未来，摩熵数科将始终以BCPM数据基座为根基，以AI技术为核心引擎，持续深耕藏医药传承创新领域，与西藏自治区藏医药研究机构、生产企业深化协同合作，凭借扎实的DATA+AI技术实力，推动藏医药从“经验驱动”向“数据智能驱动”的现代化模式跃迁，让千年藏药在数智时代绽放全新生机与活力。