9月17日下午，自然常数董事长黄小鲁受邀参加2026张江药谷大会暨上海国际生物医药产业周开幕论坛，并发表《In Silico Second Opinion：连接临床真实追问与开源AI能力》主题演讲，首次展示AI赋能创新药临床决策的创新路径。

作为华兰股份（301093.SZ）在AI医药领域的重点投资企业，自然常数正将AI应用深入到影响新药研发成败与资本投入的临床环节。

图片来源：公司提供

国际科学家与产业领袖汇聚，共话医药创新

本届大会于9月17日至20日在上海张江科学会堂举办。作为上海生物医药领域标志性的国际交流平台，产业周立足张江、辐射全国、链接全球，连接科学研究、临床转化、产业合作与资本资源，打造全球生物医药创新交流与合作对接平台。

根据大会公布的嘉宾阵容，受邀嘉宾包括2019年诺贝尔生理学或医学奖得主格雷格·塞门扎（Gregg L. Semenza）、2013年诺贝尔化学奖得主迈克尔·莱维特（Michael Levitt）、2024年生命科学突破奖得主托马斯·加瑟（Thomas Gasser），以及中国科学院院士陈凯先、中国工程院院士丁健等专家学者。赛诺菲、诺华、罗氏等跨国药企及国内医药龙头、投资机构代表也参与本届大会，共同交流前沿科学与产业发展机遇。

自然常数此次分享聚焦一个具有鲜明产业价值的问题：当候选药物进入人体研究，AI如何进一步帮助药企判断研发风险、优化临床方案，并作出更有依据的投入决策？

深入临床决策，开拓AI制药高价值应用

当前，AI制药的主要布局集中于靶点发现、分子生成、抗体设计等药物发现及临床前环节，着重提高候选药物的发现与优化效率。而创新药研发中大量的时间、资金和组织资源，集中消耗在临床开发阶段。

从患者招募、多中心试验到长期随访，临床开发需要持续投入。后期试验一旦未达到预期，损失不仅涉及研发费用，也会影响企业的管线价值、商业化安排及后续融资。

其中，临床二期既是人体概念验证的关键关口，也是药企决定是否启动大规模三期投入的核心决策节点。初步疗效是否可靠、患者分层是否准确、对照方案是否合理，都会影响一款药物后续的开发路径。

演讲援引BIO等机构对2011—2020年临床开发项目的统计，二期向三期的推进率仅为28.9%。如何在证据尚不充分时识别风险、确认开发方向，是药企长期面临的挑战。

自然常数的独特性，正在于将AI从“帮助找到候选药物”，进一步推进到“帮助判断临床开发路径”。公司聚焦临床二期这一科学验证与资本决策交汇的关键节点，探索在大规模投入之前，通过计算机压力测试揭示风险，为新药研发提供可解释的第二意见。

首创“第二意见”框架，连接AI能力与临床真实问题

据自然常数介绍，团队创新提出的“In Silico Second Opinion（计算推演决策辅评）”框架，旨在将AI能力、计算生物学方法与临床方案评审连接起来，构建面向新药管线的开源智能决策支持工具。

其创新之处，在于将临床团队的真实追问转化为可计算、可验证的任务：哪些患者更可能获益？对照治疗的变化是否会削弱试验优势？药物作用能否持续？受挫管线中是否仍存在值得开发的患者亚群？

围绕这些问题，框架通过方案解析、参数翻译、基线对抗、双重闸门与可追溯交付等模块，整合机制证据、统计分析及药理经验，形成包含风险清单、情景推演和验证建议的第二意见报告。

在设计上，框架强调AI结论与传统统计和药理证据交叉核对，并在证据不足时主动拒绝输出不可靠结论，将缺失证据转化为进一步实验的任务。

从模型评分走向临床决策证据，从结果预测走向机制解释与验证路径，是这一框架所强调的首创性探索。它将AI的价值落实到具体研发节点，使技术能力与药企的临床开发、管线管理及资源配置直接衔接。

CSO Johan Auwerx教授领衔，夯实生命科学与数据基础

自然常数的临床AI探索，背后是生命科学研究与人工智能研发的深度结合。

公司首席科学官（CSO）Johan Auwerx教授是瑞士洛桑联邦理工学院（EPFL）教授、欧洲分子生物学组织（EMBO）会员，长期深耕代谢、线粒体功能与衰老研究，并拥有丰富的科研产业化经验。

自然常数依托Johan Auwerx教授团队建立的纵向多组学小鼠资源，研究不同遗传背景、生命阶段及组织器官的状态变化，为生命状态建模、疾病机制研究与跨物种分析提供基础。长期实验积累、系统采样及多维组学数据，共同构成公司区别于单纯依赖公开数据训练模型的技术基础。

Johan Auwerx教授的生命科学积累，与黄小鲁带领的产业团队及AI工程团队相结合，推动公司将生物学认知、稀缺数据与模型能力转化为面向临床问题的分析工具。

方案排雷与管线打捞，连接研发效率与资产价值

演讲通过真实管线的案例推演，展示了临床AI的应用潜力。

在BRUIN MCL-321案例中，自然常数围绕临床试验中的对照组构成开展情景分析，探讨标准治疗方案变化如何影响试验药达到统计学优效的可能性，帮助研发团队识别试验设计中的潜在风险。

围绕Amlitelimab的分析，则从药物作用机制、患者分层及适应症选择策略出发，探索受挫管线的再开发方向。相关推演形成可供进一步实验和临床验证的假设，为重新评估管线价值提供路径。

从方案风险排查，到停滞管线价值挖掘，再到早期立项评估，自然常数将AI应用指向药企最关心的研发问题：如何减少可避免的试错，以及如何让有潜力的资产获得更精准的开发。

图片来源：公司提供

产业资本支持，共拓临床AI合作空间

自然常数此前已完成逾2.5亿元天使轮融资，股东包括华兰股份与晶泰科技。华兰股份通过对自然常数的战略布局，将AI制药能力从临床前研发进一步延伸至临床研发决策这一高价值环节，构建了自主可控的AI制药全链条服务生态圈。

论坛结束后，黄小鲁参加了产业周Reception交流活动，与产业专家、科研学者及跨国药企代表进行了友好交流，分享自然常数在临床AI领域的探索，交流产业需求与合作机会。

此次亮相上海国际生物医药产业周，自然常数展示了AI制药向临床决策纵深发展的创新方向。以Johan Auwerx教授领衔的生命科学研究为基础，以可解释AI为工具，以真实临床问题为起点，公司正探索将新药研发中的关键不确定性转化为可分析、可验证的任务，为创新药开发与研发资本配置提供新的支持。（CIS）