生命算子：一种用于多尺度生命建模的自演化框架

# 生命算子：一种用于多尺度生命建模的自进化框架
来源：https://arxiv.org/html/2609.00068
王硕单位：复旦大学数字医学研究中心，中国上海电子邮箱：[shuowang@fudan\.edu\.cn](mailto:[email protected])郭毅可单位：香港科技大学，中国香港电子邮箱：[yikeguo@ust\.hk](mailto:)

###### 摘要

医学人工智能正在从识别诊断迈向临床对话与纵向预测。但一个核心问题依然存在：患者状态在干预下将如何改变？统计模型学习未来的观测结果，而机理模型描述选定过程。两者都未能提供一个通用的框架来表征患者状态、耦合尺度或修正失败的假设。我们提出 *生命算子* ：一组定义三种科学角色的、任务受限的映射。感知算子从多模态观测中推断与任务相关的生物学状态；演化算子在自然或干预条件下对这些状态进行传播；生成算子将这些状态映射为可测量的信号。每个角色均可由方程、统计模型、神经网络或混合方法实现。桥接算子连接具有不同变量、尺度和时间步的组件。选定的算子和桥接构成特定于任务的 *算子图* ，其中包含用于支撑一个声明所需的最小状态和机制集合。这种模块化结构也使得科学修正得以局部化。AI协作科学家可以提出对状态、算子、桥接或图结构的修改，而独立的证据决定了哪些变体被保留、限制或废弃。随着时间推移，经过验证的组件可以累积成更广泛的人体多尺度模型，并为医学人工超级智能奠定计算基础。

## 1 引言

医学提出三个对要求递增的问题：当前发生了什么？在当前条件下接下来可能发生什么？在特定干预下会发生什么？第一个问题询问哪些生物学状态与可用观测结果一致。第二个问题询问这些状态预期如何随时间变化。第三个问题则比较依赖行动的轨迹。对于同一患者，观察等待、药物治疗、消融术或植入设备可能导致不同的未来状态、临床终点及其之间的路径。识别模型可能无需表示时间变化即可解决第一个问题。预测模型可能无需指定干预如何进入基础生物学过程即可解决第二个问题。而解决第三个问题则需要一个干预能显式进入生物学动态过程的模型。图1 (https://arxiv.org/html/2609.00068#S1.F1) 将这些问题与生物学尺度以及系统中不同层级的代表性干预联系起来。

> 参见标题图1：医学问题、生物学尺度与代表性干预。三个医学问题与从分子到个体尺度的生物学组织以及作用于这些层级的代表性干预相对应。双向箭头表示相邻尺度间的交互。

数据驱动的医学人工智能正在着手解决更广泛的临床问题。AI辅助的心电图和超声心动图检测与测量已进入护理路径的前瞻性评估阶段 [1 (https://arxiv.org/html/2609.00068#bib.bib1), 2 (https://arxiv.org/html/2609.00068#bib.bib2)]。对话系统已从诊断对话发展到基于多诊次疾病管理的推理 [3 (https://arxiv.org/html/2609.00068#bib.bib3), 4 (https://arxiv.org/html/2609.00068#bib.bib4)]。纵向模型从电子健康记录、影像、年龄和遗传风险中学习时间结构 [5 (https://arxiv.org/html/2609.00068#bib.bib5), 6 (https://arxiv.org/html/2609.00068#bib.bib6), 7 (https://arxiv.org/html/2609.00068#bib.bib7)]。这些进展共同将医学人工智能从当前状态的识别拓展到疾病轨迹建模。

预测临床记录与对产生该记录的生物学过程建模并非同一回事。记录的事件反映了患者本身的变化以及护理过程的变化。后者包括检测、治疗分配、随访和编码 [8 (https://arxiv.org/html/2609.00068#bib.bib8)]。因此，预测未来的记录本身并不能识别与任务相关的生物学状态或其转移规律。同样，将预测建立在已观察到的治疗标签条件上，也未能确立对于同一患者在替代治疗下会发生什么。这些模型可能仍具有临床用途，但并不支持机理解释或个体反事实声明。

机理模型做出了互补的权衡：它们提供显式的变量和结构性假设，但通常只针对选定的过程和尺度。细胞电生理学、反应扩散模型和系统生物学都已使选定的生物变化过程可用于定量分析 [9 (https://arxiv.org/html/2609.00068#bib.bib11), 10 (https://arxiv.org/html/2609.00068#bib.bib12), 11 (https://arxiv.org/html/2609.00068#bib.bib13)]。心脏数字孪生进一步说明了如何从患者观测中推断解剖和生理参数，并用于参数化模拟 [12 (https://arxiv.org/html/2609.00068#bib.bib9), 13 (https://arxiv.org/html/2609.00068#bib.bib10)]。然而，局部机制内的保真度并不能保证患者特异性或跨尺度的有效组合。参数可能难以识别，边界条件可能观测不完全。当转移到另一个尺度或干预时，有效关系也可能变得不可靠。因此，核心问题不在于数据驱动模型还是机理模型应占主导。挑战在于使部分模型能够共同回答一个医学问题，即使它们使用不同的数学形式和证据来源。每个模型的假设必须保持明确。

我们提出 *生命算子* 作为通用语言，而非另一种模型类别。这种语言指定了一个可执行组件声称要推断、演化或生成的内容，并说明了该声明的假设和适用范围。感知、演化和生成代表了这三个科学角色，而方程、统计模型、神经网络和混合方法则是可能的实现方式。桥接算子为组合提供了显式机制，特定于任务的图则组织了医学问题所需的组件。这种模块化结构为基于证据的修正提供了基础。共同的角色并不意味着共同的算法或同等的证据地位。

直接目标并非构建一个人的完整数字副本。我们从一个声明的终点、时间范围、一组干预和可用观测开始。然后，我们构建用于该问题的最小状态和图。独立验证的算子和桥接是否能累积成更广泛的人体模型，是一个必须通过有界医学问题来检验的经验问题。因此，医学人工超级智能是这种累积的一个可能的长期结果。

## 2 生命算子

**生命作为动力系统**。对于一个指定的医学问题，健康和疾病可以表示为一个开放的、随机的、受控的、部分观测的动力系统。一个最小化表述为

s_{t+Δt} = F_{Δt}(s_t, u_t, c_t, ξ_t), x_t^{(m)} ∼ p(x_t^{(m)} ∣ s_t, a_t^{(m)}).  (1)
这里，t 索引时间，Δt 是传播间隔。F_{Δt} 是相应的状态转移映射。变量 s_t 表示与任务相关的生物学状态，u_t 是干预，c_t 是个体和环境背景。ξ_t 捕获未解决的影响和随机性。观测 x_t^{(m)}，其中 m 索引模态，可以是图像、生理信号、基因组或转录组测量、单细胞测序数据、分子检测或临床记录。采集变量 a_t^{(m)} 描述相应模态是如何被采集和记录的。它包括设备、协议、采样、检测和报告过程。当下面省略模态索引时，x_t 和 a_t 表示相应的多模态集合。

状态的目的并非复制一个人完整的微观物理构型，也不是在无损压缩所有可用数据。它是为了一个问题而选择的抽象。令 y_{t:t+τ} 表示在时间范围 τ 内感兴趣的结果轨迹。在一个给定的域内，一个推断的状态被认为是充分的，如果在已知 s_t、允许的输入和背景的情况下，观测到的过去信息对结果不再提供额外的重要信息：

p(y_{t:t+τ} ∣ s_t, x_{1:t}, u_{t:t+τ}, c_{t:t+τ}) ≃ p(y_{t:t+τ} ∣ s_t, u_{t:t+τ}, c_{t:t+τ}).  (2)

图2 (https://arxiv.org/html/2609.00068#S2.F2) 总结了从多尺度生物模型，通过动力系统和 P–E–G 算子库，到特定于任务的算子图的演进过程。

> 参见标题图2：用于多尺度建模的生命算子。a, 跨越生物尺度和特征时间尺度的模型。b, 作为部分观测动力系统的生命，受干预、背景和未解决影响的塑造。c, 由桥接算子连接的感知、演化和生成算子的多尺度库。d, 一个特定于任务的算子图，从输入数据和干预组合选定的算子和桥接到预测输出；虚线节点为未激活状态。

**三种算子角色**。部分观测系统揭示了三个基本的计算问题。潜在状态必须从观测中推断，在自然或干预条件下进行动力学传播，并关联回可测量的信号。我们并行地定义对应的算子类：

P : (x_{1:t}, a_{1:t}, u_{1:t-1}, c_{1:t-1}) ↦ p(s_t ∣ x_{1:t}, a_{1:t}, u_{1:t-1}, c_{1:t-1}),
E_{Δt} : (s_t, u_t, c_t) ↦ p(s_{t+Δt} ∣ s_t, u_t, c_t),
G : (s_t, a_t) ↦ p(x_t ∣ s_t, a_t).  (3)

生命算子由它们声称执行的科学映射来定义，而非由用于实现它们的算法来定义。它们的实现可以包括常微分方程或偏微分方程、数值求解器、统计转移模型和神经网络。神经算子、学习的潜动力学和混合方法也可以实现相同的角色。机理实现编码选定的结构。学习的组件可以近似未解决的关系或加速重复的模拟和反演 [14 (https://arxiv.org/html/2609.00068#bib.bib16), 15 (https://arxiv.org/html/2609.00068#bib.bib17), 16 (https://arxiv.org/html/2609.00068#bib.bib18)]。

*感知算子* 将观测映射到与任务相关的生物学状态的后验分布上。它捕获了从不完整观测中可以推断出的内容以及该推断的不确定性。因此，它避免了将单一重建视为真实情况。这个后验提供了其他算子使用的状态表示。

*演化算子* 指定了在定义的时间间隔内，从当前状态到未来状态的转移分布。这个分布以背景为条件，在相关情况下，还以明确定义的干预为条件。它可以表示连续动力学、随机转移、离散事件或这些情况的混合。在同一个动力学框架内，它可以描述自然进展和干预条件下的轨迹。

*生成算子* 将生物学状态映射到可测量信号的分布上。它代表了生物信号的形成，以及在相关情况下，信号被采集和记录的过程。通过这种方式，它将模型表示的内部状态与经验观测联系起来。

**推断与不确定性**。贝叶斯推断连接了这三个角色，而无需形成第四个算子。为清晰起见，我们使用一个简化的离散时间滤波递归，省略了参数和采集变量。在这个递归中，演化提供转移先验，生成提供观测似然，感知提供后验更新：

p(s_t ∣ x_{1:t}, u_{1:t-1}, c_{1:t-1}) ∝ p(x_t ∣ s_t) ∫ p(s_t ∣ s_{t-1}, u_{t-1}, c_{t-1}) p(s_{t-1} ∣ x_{1:t-1}, u_{1:t-2}, c_{1:t-2}) ds_{t-1}.  (4)
这个递归将患者的变化与关于患者的知识的变化区分开来。自然变异性、测量误差、参数不确定性以及模型形式的不确定性，无需被压缩成单一的置信度分数。

## 3 算子图

**由问题定义的图**。生物过程可以由在变量、尺度、单位和时间步上存在差异的组件来表示。一个特定于任务的 *生命算子图* （以下简称算子图）选择并连接医学问题所需的感知、演化和生成算子。终点、时间范围、干预和可用观测决定了图所需的状态、算子、桥接和尺度。对于一个声明的问题 Q，令 Γ_Q = (V_Q, E_Q)。其节点 V_Q 是选定的感知、演化和生成算子。其边 E_Q 是兼容的接口或桥接算子。因此，该图是一个可检验的假设，即哪些组件对于声明的声明是充分的。

**算子间的桥接**。选定组件的输出并非自动兼容，因此每个连接都需要一个显式的转换。*桥接算子* 将一个组件的输出转换为另一个组件所需的类型化输入。对于源组件 i 和接收组件 j，最小关系为

r_{i→j,t} = B_{i→j}(z_t^{(i)}),  (5)
其中 z_t^{(i)} 是相关的源状态或输出，r_{i→j,t} 是传递给接收者的类型化消息。该消息可以携带有效参数、源项、边界条件或分布及其不确定性。*尺度桥接* 连接不同生物尺度的组件。其向上和向下映射具有不同的意义，并且不被假设为互逆。

桥接可以是机理性的、统计性的或学习的。无论实现方式如何，它都必须保持接收组件所需的意义、单位、时间和不确定性。仅计算兼容性或速度并不能证明生成的算子图在科学上是有效的。

因此，每个算子和桥接都需要一个