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Geoffrey Hinton、Michael Levitt、Eric Verdin、Larry Brilliant、Alex Zhavoronkov、Aubrey de Grey、David Teece等，围绕这一问题展开了跨学科讨论。

近日，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（Human Longevity China）举办分享沙龙，将此次国际科学讨论中的核心观点带回中国。

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。公司目前已积累超过10,000名客户的长期健康数据，并持续构建基于多模态生命数据的AI能力。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）。

这场讨论没有试图给未来医学下一个简单结论，但几个重要方向已经变得清晰：医学正在从“诊断已经发生的疾病”走向“识别并改变疾病发展轨迹”；基因组正在从一次性检测走向长期健康基础设施；健康数据正在从年度“快照”走向连续的“电影”；而AI的角色，也正在从辅助工具走向新的医学基础设施。

医学关注的，正在从“有没有病”变成“正在走向哪里”

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？哪些因素正在推动这条轨迹？

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。

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？

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。

因此，一次基因检测的价值并不一定止于检测完成的那一天。

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。

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”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。

科学家Rhoda Au提出的“Digital is the new blood”，同样强调了长期保存原始数字健康数据的重要性——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。Hinton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。

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。

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，并不能直接等同于人体中的安全性和有效性。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。

Verdin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。

过去几百年的医学革命，本质上是人类不断认识生命信息的过程：从细菌学说，到基因组学，再到今天对复杂生命信息网络的理解。何为无博士（Wei-Wu He），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。

（免责声明：本文为本网站出于广告目的进行转载发布，不代表本网站的观点及立场。本文所涉文、图、音视频等资料之一切权力和法律责任归材料提供方所有和承担。本网站对此咨询文字、图片等所有信息的真实性不作任何保证或承诺，亦不构成任何购买、投资等建议，据此操作者风险自担。）