数字孪生在医疗中的应用如何重塑未来的医学与药物开发

制药行业正处于一个转折点。随着人工智能能力的加速发展，两种根本不同的愿景正在竞争，试图重塑我们发现药物和治疗慢性疾病的方式。一条路径专注于通过计算能力加快药物开发；另一条路径则致力于无需药物逆转疾病。两者都依赖于医疗中的数字孪生——反映生物系统的虚拟复制品——但应用和市场影响截然不同。

数十亿美元的赌注：英伟达与礼来制药的数字孪生药物发现战略

数字孪生的概念已从制造业起源发生了巨大演变。迈克尔·格里夫斯博士在2002年提出了基础的“信息镜像模型”，但直到2010年，NASA技术专家约翰·维克斯采用“数字孪生”这一术语，描述用于模拟和风险缓解的虚拟航天器复制品时，这一术语才开始广泛流行。如今，医疗中的数字孪生代表着生命科学公司运营方式的根本转变。

英伟达CEO黄仁勋在2021年GTC主题演讲中将数字孪生推向主流视野，强调其在英伟达战略中的核心地位，随后在2026年CES上再次强调：“重工业的未来始于数字孪生。”这一愿景近期转化为具体行动，英伟达与制药巨头礼来宣布了一项为期五年的变革性合作，价值10亿美元。该合作不依赖传统的试错方法，而是在旧金山湾区建立一个联合创新实验室，旨在作为高速生物工程中心运作。

支撑这一努力的基础设施反映了大规模的计算雄心。研究人员将利用英伟达的Vera Rubin芯片——Blackwell架构的继任者——进行大规模生物模拟。通过英伟达的BioNeMo人工智能平台，团队可以在完全虚拟的环境中模拟庞大的化学和生物景观，建模药物相互作用和疗效，然后在实验室中合成单一的物理分子。

制造环节同样受到重视。通过部署英伟达的Omniverse技术，礼来制药可以构建其生产线的数字孪生，实现供应链的压力测试和高需求治疗药物（如肥胖药物和新一代减重化合物）制造流程的优化。

技术与生物学的结合：Twin Health的另类路径实现代谢逆转

与英伟达的计算方法平行，Twin Health这一精准健康企业由连续创业者贾汉吉尔·穆罕默德创立，他曾创立物联网先驱Jasper，后被思科收购。该公司采用的模型不是加速药物研发，而是利用数字孪生帮助患者摆脱慢性药物依赖。其核心创新是为每位患者构建一个动态的虚拟代谢档案，汇集超过3000个每日数据点——血糖读数、心率模式、睡眠时长、身体活动水平等。

数据采集基础设施分布式且持续进行。患者在家中使用连续血糖监测仪和智能手表，配合提供的智能体重秤和血压仪进行日常测量。人工智能算法将这些多维生物信号整合成患者独特的代谢反应的数字复制品，无需常规门诊监测。

通过移动应用，系统提供实时指导。例如，算法可能建议午餐后散步15分钟以防止血糖峰值，或调整用餐时间。这一方法与药物干预截然不同——它通过行为和生活方式的优化，治疗潜在的代谢功能障碍，而非依赖化学补充。

临床验证也在市场时机上取得突破。2025年1月12日，Twin Health在纳斯达克上市的同时公布了一项由克利夫兰诊所主导的随机对照试验结果，最早发表于2025年8月的《新英格兰医学杂志·催化剂》上。结果显示，71%的试验参与者实现了2型糖尿病逆转——定义为血红蛋白A1C低于6.5%，且无需胰岛素或其他降糖药（允许使用低成本的基础药物二甲双胍）。

更具市场冲击力的是：85%的参与者成功摆脱了高成本的GLP-1药物，包括奥泽姆匹克（Ozempic）和维格维（Wegovy）等品牌肥胖药，同时保持了理想的血糖控制。对于支付方——即承担医疗费用的机构——这意味着显著的成本降低路径。

市场转折点：数字孪生与经济现实的交汇

两种策略背后的紧迫感在于观察GLP-1市场的走势。2018年至2023年，美国在GLP-1药物上的支出激增超过500%，达到717亿美元。预测显示，到2030年，这一类别可能超过1000亿美元。这一爆炸性增长带来了双重压力：制造瓶颈需要资本投入，以及成本上升令支付方和雇主担忧。

礼来制药投入90亿美元扩大活性药物成分生产能力。市场领头羊诺和诺德也承诺投入110亿美元，用于丹麦和北卡罗来纳的制造设施。尽管投入巨大，两家公司都在推动直达消费者的定价模式和2026年推出的口服剂型——明显表明传统分销渠道的利润空间正受到挤压。

支付方的行为反映了核心的经济矛盾。AON的“全球医疗趋势率”报告预测，2026年雇主提供的医疗计划成本将因GLP-1的使用增加而上升9.8%。同时，Mercer的“2026年健康与福利策略调查”显示，77%的大型雇主明确将GLP-1成本列为目标，覆盖范围的扩大在成本控制压力下停滞。

Twin Health近期的市场定位正是应对这一支付方反抗。公司在2025年8月筹集了5300万美元，专注于企业客户的扩展，采用以结果为导向的商业模式：只有在实现可衡量的健康改善时，Twin Health才会获得收入，预计每年每个高成本成员可节省8000美元。

研发变革：人工智能如何重塑创新流程

两种策略的背后都隐藏着行业更深层次的动力。在达沃斯世界经济论坛上，黄仁勋直言不讳地指出：

“三年前，他们的研发预算可能大部分都在湿实验室。现在看看他们投资的那些大型AI超级计算机、AI实验室。越来越多的研发预算将转向人工智能。”

这一转变反映出制药公司面临的巨大压力——需要证明每年数百亿美元的研发支出物有所值。而这一压力尤为紧迫，因为一阶段药物候选物在获批前的失败率约为90%。将英伟达的计算基础设施嵌入持续学习模型，有望大幅降低失败化合物开发的成本。

德勤发布的“2026年美国医疗展望”也表达了行业的普遍预期：医疗正从试验性AI应用逐步迈向规模化部署，展现出可衡量的财务回报。这一差异对资本配置和战略差异化具有深远意义。

投资主张：在竞争的未来中导航

医疗投资者正面临一个提供多重——甚至相互冲突——价值主张的格局。Harvest ETFs的首席投资官保罗·麦克唐纳（Paul MacDonald）表达了这种双重信念：

“AI在医疗中的应用令人振奋，我们看到诊断、药物研发和医疗设备开发中的实际部署不断增加，”麦克唐纳解释说。“虽然像可穿戴设备和个性化生活方式优化这样的精准健康技术代表了令人信服的创新，但我们坚信肥胖药物类别及其潜在市场将大幅扩展。”

麦克唐纳特别强调支撑GLP-1需求的催化剂：Medicare的覆盖扩展和2026年推出的口服剂型。非注射途径的可用性大大拓宽了潜在患者的接受度，同时改善了成本结构和制造商的利润空间。

这种平衡的观点——既看好AI的进步，又坚持对GLP-1的信心——反映了投资者当前所面临的复杂局面。医疗中的数字孪生代表着一项真正的技术飞跃，但在加速药物发现与无需药物逆转疾病的竞争动力之间，仍未定论。两者都具有可信的未来路径，各自拥有不同的经济模型、市场基础和对现代医学运作的长远影响。

未来几年，将决定数字孪生主要是加速药物创新，还是帮助患者完全避免用药——亦或两者同时发生，重塑医疗经济的格局，超出任何单一预测的想象。