博文
数据很多，知识很少：向知识的量化发起进攻
||
摘要：（目的）剖析生物医学领域"数据爆炸、知识贫瘠"的结构性矛盾，论证知识的量化是学科走向成熟的关键一跃。（方法）将人类积累的生物医学知识划分为游记（文献综述）、标本馆（数据库）、地图（可计算知识）三种形态，结合天文学星表与化学元素周期表的科学史规律，以及 332 模块人体尺度表征在 1,916 个 DrugBank 小分子、23 类疾病药物重定位场景中的系统评测结果，提出知识量化的三个动作（参数化、结构化、闭环化）与四步路线图。（结论）生物医学拥有全人类最庞大的数据产量，但核心知识仍以叙事形态存在；知识的量化不是把文献数字化，而是建立可运算的知识坐标系——坐标系先为未知预留位置，向知识量化发起进攻的时机已经成熟。
关键词：知识量化；可计算知识；世界模型；模块地图；药物重定位
1 引子：一个冷峻的判词2026 年 8 月，Nature Reviews Drug Discovery 刊发了一篇十六位学者联合署名的综述，系统复盘人工智能在药物研发领域的十年应用历程[1]。二十多页篇幅，结论可以用四个字概括：
数据爆炸，知识贫瘠。
人类基因组草图问世二十余年，测序成本断崖式下降，多组学数据指数增长。但综述的判词很冷静：单纯的采集只是数据；能从功能层面解析生物过程、支撑真实决策的，才是知识。
这句话值得整个行业停下来想一想。因为它指向一个反差极大的事实：
2 知识的三种形态：游记、标本馆、地图测序仪每几个月就翻新一次，而知识的容器三百多年没有换过——还是那篇 PDF。
把人类积累的生物医学知识粗略分类，大致有三种形态。
第一种：游记。 文献综述是典型的游记形态。一位资深研究者花两年时间，把某个领域的几百篇论文读通，写成一篇逻辑严密、修辞精妙的综述。它告诉你哪里有山、哪里有河、哪条路走得通。以衰老研究为例，2023 年 Cell 的综述把衰老标志扩展到十二个，每个标志的机制、证据、相互关系写得清清楚楚[2]。这是一篇极好的游记。但游记有个先天局限：读得懂，算不了。十二个衰老标志，哪个标志在哪个器官、以多大权重、通过哪条通路参与哪种疾病？文字给不出数字。你可以引用它、讨论它，但不能把它放进方程里运算。
第二种：标本馆。 数据库是标本馆形态。UniProt 存了上亿条蛋白序列，GWAS 目录存了数十万个遗传关联。每一件"标本"都贴好了标签，编号清晰，随时可查。但标本馆的局限同样明显：查询不等于推理。你可以问"某个基因有哪些已知关联"，但它不会告诉你"扰动这个模块之后，整张网络会怎么响应"。标本是静态的，标本之间没有路。
第三种：地图。 地图是知识的第三种形态，也是最少见的一种。地图与游记、标本馆的根本区别在于：地图上每一个对象都有坐标，对象之间有路网，而路网支持规划路线。换句话说：游记描述地形，地图支持推演。你可以拿着一张量化的地图问：从这里出发，走哪条路、花多少代价、到哪里？这个问题在游记和标本馆里都问不出来——前者没有坐标，后者没有路网。
生物医学最缺的，就是这第三种形态。
3 量化是知识的关键一跃回看科学史，有一个反复出现的规律：
一门学科的成熟，标志是它的核心知识从叙事变成可运算的对象。
天文学从占星叙事走向星表与万有引力方程，才有了轨道预报；化学从炼丹术的配方叙事走向元素周期表与定量反应，才有了合成工业；物理从自然哲学的格物致知走向微分方程，才有了工程学。每一次跃迁，都伴随知识容器的更换：从文章，变成坐标系。
生物医学呢？它拥有全人类最庞大的数据产量、最高产的文献体系，但它的核心知识至今仍主要以叙事形态存在。综述越写越长，机理越描越细，可一旦要问一个定量的、可运算的问题——"这个干预通过这个模块，会让这个人发生多大变化"——叙事就沉默了。
这就是"数据爆炸、知识贫瘠"的准确含义：不是知识不够多，而是知识不够算。
而把知识变得可算，需要三个动作：
参数化：每个知识对象有可测量的参数。细胞衰老不再只是"细胞衰老会导致炎症"，而是一个有读数、有单位、有正常范围的量。
结构化：知识对象之间有可组合的关系。模块之间如何连接、如何冗余、如何代偿，写在网络结构里，而不是写在句子的从句里。
闭环化：知识可以被检验、被修正、被迭代。预测错了，参数跟着改；新数据来了，边界跟着调。
参数化让它可测，结构化让它可算，闭环化让它可进化。三者齐备，知识才从"读的东西"变成"跑的东西"。
4 世界观需要载体再往深处想一步：为什么知识的量化如此重要？因为世界观需要一个载体。
每个严肃的研究者脑子里，都装着一个生物医学世界观——关于人体如何运作、疾病如何发生、干预如何起效的一整套信念结构。但这套世界观装在脑子里，就有三个致命问题：没法共享、没法运算、没法对抗遗忘。你的世界观和我的世界观不同，我们只能争论，不能对账。
世界观不能只装在脑子里，要装进坐标系里。
一张量化的知识地图，就是世界观的公共载体。它把"我认为炎症驱动衰老"变成"炎症模块与衰老模块的耦合系数是多少、证据等级是什么、在哪些人群中验证过"。
装进坐标系之后，世界观才能做一件装在脑子里永远做不到的事：推演。这正是定性的世界观与世界模型的分界线：定性的世界观只能描述地形；量化的世界观才能回答"如果采取这个动作，系统会怎样变化"。世界模型的五要素——State、Action、Transition、Objective、Feedback——每一个都需要坐标系才能落地[4]。
没有量化的知识，就没有可推演的世界模型；没有可推演的世界模型，"精准"二字永远停留在修辞层面。
5 进攻的路线图有了判断，就要有打法。向知识的量化发起进攻，路线大致是四步。
第一步，划定模块边界。 知识的量化不是把所有文献数字化，而是先回答"人体这个系统，应该切成哪些可运算的知识对象"。我们与清华大学未来实验室的研究中，构建了 332 个模块组成的人体尺度表征——覆盖扩展衰老标志、器官系统、免疫、营养与食源性干预，也纳入了中医证候代理与药食同源靶点[3]。文献知识网络划定模块的边界，这是知识驱动的一半。
第二步，学习模块参数。 多组学数据学习每个模块的参数，这是数据驱动的一半。两条腿走路，缺一不可：只有知识没有数据，地图是空的；只有数据没有知识，坐标是没有语义的。
第三步，让地图接受检验。 量化了，就要经得起比较。我们把这张 332 模块的地图，放在 1,916 个 DrugBank 小分子、五种慢性病任务（探索性外推至 23 类疾病）的药物重定位场景里系统评测——先造尺子，再用尺子量地图[3]。
第四步，如实报告结果，包括不利的。 这里有一个值得单独强调的发现：全模块图谱在 23 类疾病中，只在 9 类严格最优。不存在普适最优的生物地图，不同疾病各有最适配的表征组合。
这个"负面结果"本身，恰恰是知识量化才能带来的知识：在叙事时代，"哪套表征更好"根本不是一个可以严格回答的问题；只有当地图有了坐标和分数，你才发现——地图的价值是分场景的，而"选哪张地图"本身就是一个决策变量。
6 结语数据是矿石，知识是冶炼，而量化的知识地图，是把矿石变成导航的那一步。
天文学等来了星表，化学等来了元素周期表。别忘了，门捷列夫画下周期表时，好几个格子还空着——坐标系不必等事实到齐才落笔，它先为未知预留了位置。生物医学的数据已经足够多，多到过剩；现在欠的，是一场向知识量化发起的进攻：
把综述里的知识变成坐标，把数据库里的标本变成路网，把装在脑子里的世界观，变成一个可测量、可运算、可迭代、可对账的载体。
问题问得越准，学科走得越稳。这场进攻，值得现在开始。
参考文献[1] Bender A, Thomas MC, Scannell JW, et al. Artificial intelligence in drug discovery: what it is, where we stand and the path forward. Nature Reviews Drug Discovery. 2026. DOI: 10.1038/s41573-026-01496-2.
[2] López-Otín C, Blasco MA, Partridge L, et al. Hallmarks of aging: An expanding universe. Cell. 2023;186(2):243-278.
[3] Xiong J, Xia Q. Toward a Self-Learning AI Agent for Drug Repurposing: Building Human-Scale Representations for Virtual Patients. Preprints.org. 2026. DOI: 10.20944/preprints202608.0998.v1.
[4] Xiong J. World Models for Biomedicine: A Steerability Framework. Preprints.org. 2026. DOI: 10.20944/preprints202605.0366.v1.
说明：本文为作者研究观点整理，文中涉及的研究工作部分尚未完成同行评审，不构成医疗诊断或治疗建议。
https://blog.sciencenet.cn/blog-508476-1548969.html
上一篇：Nature综述七问AI制药：从虚拟细胞到虚拟患者
下一篇：从虚拟细胞到虚拟病人：中间缺失的那一层
