从自动驾驶到生物医学：DeepoMe 深度甲基 想把“世界模型”带入人体系统

过去几年，AI 与生命科学的结合先后掀起两轮热潮：一轮是医疗 AI，用于影像识别、病历生成和辅助问诊；另一轮是 AI 制药，用来提升靶点发现、分子设计和药物研发效率。现在，新的问题开始浮出水面：AI 能不能不只识别疾病、不只设计分子，也不止步于理解人体复杂性，而是进一步推演健康状态如何转移，并生成可验证的干预路径？

这正是“生物医学世界模型”试图回答的问题。理解人体只是起点，真正关键的是：当一个人处在某种分子状态时，哪些因素可能推动状态变化，哪些路径更值得尝试，哪些证据足以支撑这种判断。

在自动驾驶和机器人领域，世界模型已经成为热门概念。它关注的不是单一识别结果，而是系统状态如何随动作发生变化：车向左打方向会怎样，机械臂施加某个力会怎样。把这个思想放到生物医学里，问题就变成了：一个人的分子状态现在在哪里，如果改变某些因素，系统可能向哪里转移，以及哪条路径更可能把健康状态推向目标方向。

近日，在杭州举办的第五届 CCGH 老年病防控与健康大会上，北京深度甲基健康技术有限公司 DeepoMe 深度甲基创始人、首席科学家熊江辉博士，介绍了团队正在构建的 SteeraMed 框架。DeepoMe 将其定义为面向生物医学场景的可驾驭医学世界模型。它不追求让 AI 给出一个孤立答案，而是希望围绕人体状态建立一套可以推演、可以追溯、可以校正的技术体系。

这也是它与传统系统生物学的区别所在。系统生物学同样在理解生命复杂性，更像是在绘制一张“生命地图”：系统里有哪些节点、路径和关系。生物医学世界模型则把这张地图作为起点，进一步追问：一个个体当前处在什么状态，目标状态在哪里，下一步可能转向哪里，什么干预路径更值得尝试。

熊江辉博士把它比作“骑手与马”：系统生物学研究的是马的结构、肌肉和奔跑规律；SteeraMed 想训练的是骑手。骑手不替代马，也不重新发明马，而是在理解马的基础上判断何时收缰、何时转向、何时加速。对应到生物医学里，“马”是人体复杂的分子系统，“骑手”则是能够读取状态、生成路径、持续校正的 AI 推理框架。

在 DeepoMe 的技术体系里，Capome 负责读取人体状态。它基于血液或唾液 DNA 甲基化信息，面向多维衰老与内在能力检测；SteeraMed 负责推理，在知识地图上模拟状态转移；DeepKang 深度根因健康干预体系则承接个体化健康干预生成、证据链组织和反馈迭代。三者合在一起，构成从状态识别、知识地图推理，到路径生成和持续反馈的技术闭环。

在这套体系中，知识地图是底座。SteeraMed 试图把基因、蛋白、营养素、天然化合物、疾病表型、衰老相关通路，以及传统医学中的状态变化规则，放入同一张可计算、可推理的网络中。AI 的任务不是搜索关键词，而是在“状态—机制—路径—证据”之间建立连接。

目前，DeepoMe 已围绕几个方向展开验证。第一个方向是“隐性饥饿”预测验证。传统营养检测通常回答“缺不缺”，但 DeepoMe 更关注细胞和分子层面的功能状态：一个人的甲基化信息是否提示某些营养相关通路处于低效、失衡或高需求状态，这类信号能否在真实数据中被回顾性验证。它试图把营养问题从静态指标判断，推进到个体分子状态的动态推演。

第二个方向是个体化健康干预生成与证据链。DeepKang 深度根因健康干预体系并不追求直接给出一句简单建议，而是组织一条可追溯的推理链：当前状态来自哪些分子信号，可能对应哪些通路或功能模块，候选干预方向为什么被提出，证据来自哪些知识地图节点和数据验证，哪些环节还需要后续观察。对于健康管理行业而言，证据链的重要性不亚于建议本身，因为它决定了结果是否可解释、可审查、可迭代。

第三个方向是中医药典状态转移规则的验证。DeepoMe 正在探索把传统医学中关于体质、证候、药食同源和方药作用的状态描述，转化为可计算的状态转移规则，再放入现代分子网络和甲基化数据中进行验证。换句话说，传统医学里“从一种状态调向另一种状态”的经验表达，可以被重新翻译为一个世界模型问题：当前状态如何定义，目标状态如何定义，中间路径能否被分子数据和知识地图支持。

不过，这仍是一条早期路线。熊江辉博士强调，生物医学世界模型当前最大的瓶颈不是概念，而是高质量、长期、动态跟踪人体状态变化的数据集。生命系统不是一次检测就能看清的对象，真正有价值的数据来自连续观察：一个人的分子状态如何随年龄、环境、生活方式和反馈变化，哪些只是短期波动，哪些才代表更深层的状态转移。DeepoMe 深度甲基希望以开放方式推动产学研协同，共同建设动态跟踪数据、验证状态转移规则，并完善知识地图和证据链体系。

从产业演进看，AI 与生命科学的结合正在从“医疗 AI”走向“AI 制药”。下一步更具基础设施意义的投资热点，可能是生物医学世界模型。它不以“理解复杂性”为终点，而是试图建立一个可计算、可验证、可迭代的人体状态转移模型，用于生成有证据约束的健康干预路径。谁能率先掌握这种模型，谁就可能拿到下一代健康科技和长寿产业的底层入口。对 DeepoMe 深度甲基而言，SteeraMed 要训练的，正是这样一个面向健康状态转移的“骑手”。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。