未来 20 年，医学究竟会走向哪里？
近期在美国圣地亚哥举行的Human Longevity 科学顾问委员会（SAB）会议上，来自人工智能、基因组学、衰老科学、临床医学、公共卫生等领域的科学家——包括 " 人工智能之父 " 杰弗里 · 辛顿（Geoffrey Hinton）、诺贝尔化学奖得主迈克尔 · 莱维特（Michael Levitt）、美国巴克衰老研究所总裁兼 CEO 埃里克 · 维尔丁（Eric Verdin），以及曾主导全球天花根除收尾工作的流行病学家拉里 · 布里连特（Larry Brilliant）等，围绕 " 未来医学 " 相关问题展开了跨学科讨论。
作为全球长寿科技领域的重要机构，Human Longevity 由人类基因组学先驱、" 人类基因组之父 " 克雷格 · 文特尔（J. Craig Venter）博士于 2013 年创立，长期致力于将基因组学、先进医学影像、生物标志物和人工智能等技术应用于精准健康与疾病风险预测。目前，Human Longevity 在全球拥有三家医疗机构，包括圣地亚哥、旧金山以及中国北京的百嘉医疗（Human Longevity China）。
Human Longevity 董事长兼首席执行官、百嘉医疗董事长何为无博士，拥有美国贝勒医学院分子生物学博士，并先后在梅奥医学中心及哈佛医学院麻省总医院完成了博士后研究工作。近日，他在北京百嘉医疗中心（Human Longevity China），分享了此次国际科学讨论中的核心观点。
01 医学关注的，正在从 " 有没有病 " 变成 " 走向哪一种疾病轨迹 "
传统医学更多关注时间点上的问题：一个人现在有没有疾病？而在此次 SAB 讨论中，科学家们将视线进一步向前推进：很多慢性疾病并不是突然发生，而是经历了较长时间的生物学变化。
因此，医学需要回答的，可能不再只是 " 你现在有没有病 "，而是：你的身体正在发生什么变化？未来最可能走向哪一种疾病轨迹？
这意味着医学的干预窗口正在前移，从疾病发生之后的治疗，逐渐走向疾病形成过程中的识别、预测和干预。
何为无引用了 Human Longevity, Inc. 此前对 1000 多名自认为健康的客户开展综合健康筛查的数据：约 14% 的人发现了此前并不知道、但具有明确干预价值的重大健康问题，需要立即或尽快就医，约 40% 的人发现有潜在疾病及健康风险。
另一项值得关注的数据来自影像筛查。约 2.5% 的受检者发现存在身体或脑部动脉瘤。脑动脉瘤往往在未破裂阶段缺乏明显症状，很多情况下是在影像检查中被偶然发现。流行病学研究显示，颅内动脉瘤在普通人群中并不罕见，既往研究估计其患病率约在 1% 左右，不同人群和研究方法会有所差异。
02 风险预测的目的，不是预测未来，而是改变未来
" 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？
何为无用查理 · 芒格的一句话作引子：" 如果我知道要死在哪里，我以后再也不去了。" 他把现代人面临的重大健康风险比作四座冰山——心血管病、肿瘤及癌症、代谢类疾病、神经退行性疾病，" 如果能把这四大类疾病预防掉，你死亡风险已经下降 80% 以上。
而预测的落点在行动。何为无举例称：影星安吉丽娜 · 朱莉通过基因检测发现自己携带 BRCA1 基因致病变异，预防性切除了乳腺和卵巢。" 她这两个风险去掉以后，会有第三个风险，可能是心肌梗塞，也可能是老年痴呆症。所以你就一个一个可以把它排除掉。"
03 基因组正在从 " 一次检测 " 变成 " 终身基础设施 "
基因组学也正在经历一次角色变化。DNA 本身不会随着时间改变，但人类对 DNA 的理解会不断变化。今天意义尚不明确的基因变异，未来可能随着新的研究、数据库和 AI 模型出现新的解释。
此次讨论提出的一个重要方向是：一次采集、长期保存、持续重新解读。基因组数据由此可能从传统的 " 一次性检测结果 "，转变为能够伴随一个人长期使用、并随着医学知识进步不断更新解释的健康基础设施。
"26 年前，克雷格 · 文特尔用不到 3 亿美金、比美国政府主导的 30 亿美金人类基因组计划早完成人类基因组测序。" 何为无说：" 现在国内一次医疗级全基因检测的测序成本已经大大降低，一次检测终身收益。"
他把测序比作 " 买一把吉他 "，把解读比作 " 学怎么弹吉他 "：前者已经不是难点，国内能做基因检测的公司有上百家；后者才是壁垒。而如今承担解读工作的还有 AI。该公司研发的解读软件今年 2 月投放市场，输入一个人的全基因组报告，系统即可快速完成对个体健康风险的识别与解读。何为无一并补充道：这类 AI 软件最后 PK 的就是精准，而精准的核心是长期跟踪数据—— " 就像训练 AlphaGo，一定要知道每盘棋谁输谁赢，否则是训练不出来的。"
04 从一年一次的 " 健康照片 "，走向持续的 " 健康电影 "
如果说传统体检更像是给身体拍一张照片，那么未来健康管理可能更像是在持续观看一部 " 电影 "。
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、体温和运动等数据，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 " 杰弗里 · 辛顿（Geoffrey Hinton）在讨论中指出，未来医疗 AI 不应只处理文字。MRI、心电、声音、步态、睡眠等数据本身都包含信息，如果先把这些信息转换成语言再交给 AI 理解，可能会损失其中一部分信息。因此，未来医疗 AI 必须能够直接处理原始的多模态信息。
何为无由此给出的推论是：一次基因检测的最大价值不在测序本身，而在测序背后那条可被反复读取的生命信息流。
05 AI 的下一步，可能是发现人类尚未理解的生物学
此次讨论中，AI 带来的更深层变化也成为重要议题。辛顿提出的一个前瞻性问题是：AI 的价值是否只是帮助人类更快完成已有工作，还是可能发现一些人类尚未能够理解的生物学规律？
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。
何为无用 AlphaGo 作比，围棋曾被视为人类智力的堡垒，如今世界冠军也下不过机器。" 人类疾病有 5 万种，世界上有哪个医生能记住 5 万个名字？" 他现场举了两个案例：AI 几秒钟就能从一个人的基因信息中识别出乳糖不耐受相关特征，而这类信息在常规诊疗中未必会被医生关注；对于一些年发病人数仅在百人级别的罕见遗传病，AI 也能从海量基因数据中捕捉异常信号，帮助医生发现那些过去很难被识别和覆盖的疾病。
但科学家同时强调，AI 发现规律并不意味着规律已经成为经过医学验证的结论。AI 能力越强，对安全性、透明度、责任边界和临床验证的要求也越高。
06 越接近 " 长寿 "，越需要回到科学证据
关于长寿科技，巴克衰老研究所（Buck Institute）总裁兼首席执行官埃里克 · 维尔丁（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）。他提出了一句值得长期保留的话：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，并不能直接等同于人体中的安全性和有效性。被问及干细胞时，何为无给出的第一条判断是：" 第一个要知道谁在生产这个干细胞。如果是小作坊生产的，就很危险。" ——风险不在细胞本身，而在制备工艺。
因此，面对快速发展的衰老干预技术，需要区分已经获得充分证据支持的方向、有潜力但仍在研究中的技术，以及目前证据不足的探索。
与此同时，部分重编程等研究已经让科学界开始重新思考：衰老是否存在部分可以被逆转的生物学过程？这一问题已经从 " 如何减缓衰老 " 进一步延伸到 " 某些衰老过程能否逆转 "，但相关研究仍处于早期阶段，距离安全应用于人体还有很长的距离。
维尔丁还提到了免疫系统。随着年龄增长，免疫能力下降和慢性炎症等变化与多种年龄相关疾病有关，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。
一个正在形成的新的医学认知范式
从此次 SAB 讨论中，一个更加完整的医学框架逐渐浮现：基因组→深度表型→连续数据→ AI 整合→风险预测→个体化干预→临床结果→持续学习。如果进一步概括，这意味着我们正在进入一个以生命信息网络为核心的 "InformNet" 时代。
何为无博士（Wei-Wu He）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的逐步丢失与失真，疾病则可以被理解为生命信息网络发生异常。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。
他也分享了对人类寿命上限的判断，目前行业内大致存在三种不同预判：一种认为，随着科技发展，人类寿命可能呈指数级增长，甚至走向 " 永生 "；一种认为，人类自然寿命的上限大约在 80 多岁；还有一种观点认为，未来人类平均寿命甚至可能下降，例如新冠疫情期间，美国人均预期寿命就曾出现阶段性下降。（本文首发钛媒体 APP，文 | 散落拾获，作者 | 贾雨微）
