未来20年，医学究竟会走向哪里？
近日，Human Longevity科学顾问委员会（SAB）在美国圣地亚哥举行会议。来自人工智能、基因组学、衰老科学、临床医学和公共卫生等领域的科学家围绕未来医学的发展方向展开讨论，议题涉及疾病风险预测、基因组数据、连续健康监测以及人工智能在医学中的应用等。
参会科学家包括人工智能领域学者杰弗里·辛顿（Geoffrey Hinton）、诺贝尔化学奖得主迈克尔·莱维特（Michael Levitt）、衰老研究专家埃里克·韦尔丁（Eric Verdin），以及公共卫生专家拉里·布莱恩特（Larry Brilliant）等。
近期，Human Longevity董事长兼首席执行官何为无博士（Wei-Wu He）在北京百嘉医疗中心举办分享活动，介绍了此次科学顾问委员会讨论的核心观点。
此次讨论并未试图为未来医学给出单一答案，但几个方向受到关注：医学干预可能进一步向疾病发生之前延伸，健康风险评估可能从一次性检测转向长期动态分析，基因组数据的价值也可能随着研究和人工智能的发展不断变化。
从“有没有病”到关注疾病发展轨迹
传统医学诊疗通常围绕患者当前是否已经出现疾病以及如何进行治疗展开。此次讨论则进一步关注疾病发生之前的长期生物学变化。
一些慢性疾病并非突然出现，而是经历了较长时间的变化过程。因此，未来健康管理需要回答的问题可能不仅是“现在有没有病”，还包括身体正在发生哪些变化、未来可能出现哪些健康风险，以及哪些因素可能影响这一过程。
在这一思路下，医学干预的时间窗口有望进一步前移，从疾病发生后的治疗，逐步延伸至风险识别、预测和干预。
风险预测的目的是改变未来
“预测”本身并不是终点。科学家们提出，如果一个系统只能告诉一个人未来可能发生什么，却无法进一步回答“今天可以做什么”，那么这种预测仍然是不完整的。真正的精准预防需要形成一个持续闭环：测量、预测、排序、干预、再测量、学习。也就是说，风险预测最终要连接到行动：找到可以改变的风险因素，实施干预，再通过新的数据观察结果，并不断修正对个体健康轨迹的判断。
这也让“精准医疗”的含义发生了变化——不仅要知道风险在哪里，更要回答：我们今天能做什么，让未来发生改变？
基因组数据可能从“一次检测”走向长期使用
基因组学也是此次讨论的重点之一。
DNA本身不会随着时间改变，但人类对DNA的理解会不断变化。随着研究不断推进，一些目前尚无法充分解释的基因变异，未来可能因为新的研究成果、数据库以及人工智能模型而获得新的解释。因此，一次基因检测的价值并不一定随着检测结束而结束。
此次讨论提出的一种方向是，对基因组数据进行长期保存，并随着医学知识和分析方法的发展不断重新解读，使基因组信息成为长期健康管理的一部分。
健康数据从“年度照片”转向长期记录
传统体检更像是对某一时间点的健康状况进行记录，而未来的健康管理可能更加重视长期连续数据。
人体始终处于变化之中。基因、MRI、血液指标、心电、睡眠、步态、心率、血糖、体温以及运动等数据，如果能够被长期记录并放在同一时间轴上分析，就不再只是孤立的检查结果，而会逐渐呈现出一个人的动态健康轨迹。
“人工智能之父”Geoffrey Hinton在讨论中提出，医疗人工智能未来需要处理的不应只是文字信息。MRI、心电、声音、步态和睡眠等数据本身都包含大量信息，如果先将这些信息转换成语言，再交给人工智能分析，可能会损失部分原始信息。
科学家Rhoda Au提出的“Digital is the new blood”同样强调了长期保存原始健康数据的价值。未来新的AI模型出现后，今天采集的数据仍可能被重新分析和解释。
AI能否发现尚未被理解的生物学规律
人工智能在医学中的作用也是此次会议讨论的重要内容。
Hinton提出的一个前瞻性问题是，人工智能的作用是否不仅限于帮助人类更快完成已有工作，还可能从大量健康数据中发现人类此前没有认识到的生物学规律。
当AI开始同时处理大规模、多模态、长期健康数据时，它可能发现过去难以从单一数据源中识别的规律。这意味着未来医学知识可能出现新的形态：一部分是人类能够理解和解释的知识，另一部分则可能首先表现为AI发现的预测性规律，再由机制研究和临床试验进一步验证。
因此，人工智能在医学领域的应用同时涉及安全性、透明度、责任边界以及临床验证等问题。
长寿研究仍需以人体证据为基础
关于长寿科技，巴克衰老研究所（Buck Institute）总裁兼首席执行官Eric Verdin强调了一个重要原则：长寿医学必须坚持“科学长寿”（Scientific Longevity）。Verdin提出了一句非常值得长期保留的话：如果你做一件事情是希望自己活得更久，那么首先要确保它不会让你活得更短。
动物实验取得的结果不能直接等同于人体中的安全性和有效性，因此，对各种衰老干预技术需要区分已经获得较充分证据支持的方向、有潜力仍处于研究阶段的技术，以及目前证据有限的探索。
近年来，部分重编程研究也引发了关于衰老过程能否部分逆转的讨论。不过，相关研究目前仍处于早期阶段，距离安全应用于人体仍有较长距离。
Verdin还提到了免疫系统。随着年龄增长，免疫能力下降以及慢性炎症等变化与多种年龄相关疾病存在关联，因此免疫调节也被认为可能成为未来长寿医学的重要研究方向之一。
生命信息网络正在重塑医学认知
从此次SAB讨论来看，一套更加完整的医学发展框架正在逐渐形成：从基因组、深度表型，到连续健康数据，再到AI整合、风险预测、个体化干预、临床结果和持续学习。进一步概括，这一变化指向一个以生命信息网络为核心的“InformNet”时代。
回顾过去几百年的医学发展，医学革命本质上也是人类不断认识和理解生命信息的过程，从早期的细菌学说，到基因组学，再到今天对复杂生命信息网络的探索。
何为无认为，生命本质上是一个复杂的信息网络。衰老可以被理解为生命信息逐步丢失和失真的过程，而疾病则可以被理解为生命信息网络出现异常。
AI正在让我们具备整合海量、多模态、长期生命信息的能力，从“看见疾病”走向“理解生命”，从诊断今天走向预测未来，并尽可能改变健康轨迹。
编辑：党超峰
审核：刘世东 杨箫玮
扫码下载
中文网微信