虚拟病人 vs 类器官 vs AIDD vs 虚拟细胞
覆盖器械研发、药物早筛与临床治疗三条场景线 — 客观对比四类技术路线的能力边界与适用分工
虚拟病人（Synvoma）
物理AI · 数字孪生
基于第一性原理的跨尺度计算模型，从离子通道到全身系统，真实重现生理与病理过程。可计算、可验证、可解释，覆盖器械研发、新药早筛、临床治疗与监管申报的完整链路。
类器官（Organoid）
生物实验技术
利用患者来源干细胞培育的三维微型器官，能在体外重现真实生物响应，是机制研究与体外毒性验证的重要工具。其定位在微组织尺度：不覆盖宏观器械交互与全身系统响应，通量也受培养周期与人力限制——这与它「真实生物响应」的优势是一体两面。
AIDD（AI辅助药物设计）
数据驱动AI
基于大规模化合物数据库训练的深度学习模型，擅长分子结构-活性预测与大规模虚拟筛选，是发现期初筛的高效工具。其定位在结构与活性层面：依赖历史数据分布，对全新机制分子的外推有限，浓度-效应曲线与生理系统层面的结论通常需实验或机理模型补充。
虚拟细胞（Virtual Cell）
AI 细胞状态建模
以大规模单细胞扰动数据（Perturb-seq / 药物扰动图谱等）训练的计算模型，在细胞状态与基因表达层面预测「给定扰动后细胞会怎样变化」，用于靶点与机制假说生成、体外测试的优先级排序。其定位在分子—细胞—多细胞尺度：不直接给器官与全身生理结论，也尚待建立面向监管申报的验证标准。与虚拟病人是两条互补的计算路线——前者从数据学细胞状态，后者从第一性原理推跨尺度机理。
能力维度对比
读表前的说明
四条路线在各自擅长的场景中都有不可替代的价值 —— 类器官胜在生物真实性（机制探索、体外毒性验证）， AIDD 胜在筛选通量（大规模化合物初筛），虚拟细胞胜在细胞状态与扰动响应的预测（靶点与机制假说），本平台胜在跨尺度机理推演；它们在实践中常组合使用，例如虚拟细胞提出靶点与扰动假说、类器官做体外验证、虚拟病人推演到器官与全身尺度。本表只说明各自的能力边界与互补关系，不构成对任何技术路线整体优劣的判定。标「—」的格子表示该维度不在该路线的适用范围内（并非它做得不好）；标「❌」的才是在该路线自身定位内确实存在的能力缺口。
口径说明：表中判定基于各技术路线的公开原理与方法学边界（非同一实验体系下的横向实测），仅用于说明能力差异；具体项目的适配性与结论以实验验证为准。药物研发维度中，Struct CiPA 为发现期风险预警、不可用于 IND 申报；CiPA Cell 的 IND 申报支持级档位输出遵循 FDA CiPA / ICH S7B·E14 范式，可作为申报材料的技术支撑。
结论：跨尺度计算补上其余路线覆盖不到的环节
各条路线的边界都来自各自的定位 —— 类器官难以放大人群与器官尺度，AIDD 与虚拟细胞受训练数据分布限制、难以回答机理与跨尺度生理问题；这正说明它们与计算仿真互补而非互斥。而 Synvoma 的虚拟病人计算平台基于物理 AI 的第一性原理建模，打通从离子通道到器官到全身系统的尺度通路，可同时覆盖：
- →器械研发与监管申报（支架、瓣膜、导管等全品类）
- →药物研发（心脏毒性早筛、浓度-效应定量、虚拟临床试验设计）
- →临床精准治疗（个体化手术规划 + 消融靶点定位）
- →术中实时干预（实时损伤评估 + 手术终止预测）