其实，我看到这个标题之后，第一反应也是：“什么？”

光看这个标题，我觉得连街头神棍都不敢这么说。他们最多也就敢说一句：“施主，你在两个月之内有血光之灾。”哪有人敢预测15年以后呢？这听起来不像体检，有点像拿着一管血去算命。

我甚至心里阴暗地想，如果研究说预测一年，明年就能知道准不准；但如果说15年以后，现在40岁的人，15年之后就55了，估计那些病按照概率来说，也已经如影随形、不离不弃了。

不过，我读完这篇发表在《自然·通讯》上的原始论文之后，发现了它真正有意思的地方。比起所谓的AI能看见未来，更值得注意的，是AI能从我们今天的血液里，认出一些仅靠几个常规指标很难发现的长期风险信号。

首先需要强调的是，这个系统并不能告诉你：“你会在2041年7月27日，非常准时地得心脏病。”这个世界不会这么精确，它算的是未来15年内发生某种疾病的概率。学过概率的我们都知道，高风险并不等于一定会得，低风险也不等于拿到了一张15年的免检证明。

而且，我看到此前有些媒体对这项研究的宣传，起了一些非常猎奇的标题。但如果你仔细看完，就会发现这项研究目前还没有在医院正式上线。团队公开了代码和在线演示页面，但论文明确写着：模型还缺少独立的外部验证，目前不能直接用于临床。也就是说，现在仍是个测试版。

研究团队用的是英国生物样本库的数据。大约在2006年至2010年间，参与者留下血样和健康资料，研究人员继续追踪他们有没有在后面的十几年里患上冠心病、中风、心衰、房颤、外周动脉疾病和静脉血栓。

研究人员从血浆里测了2920种蛋白质和168种代谢物。所以，你可以把一次采血，联想成一张由3088个分子信号组成的身体快照。

这里还有一个特别容易被新闻标题掩盖的事实：负责验血的并不是这个AI系统。蛋白质和代谢物，是用专门的蛋白质检测和核磁共振平台测出来的。AI真正负责的，是读懂那张普通人和医生都不可能靠肉眼看完的分子信号表。

总的来说，AI在这个项目里主要干了三件事。

第一，是把几千个嘈杂的分子信号整理成一整套风险体系，得出几个可以使用的风险分数。

我们过去常看年龄、血压、血糖和胆固醇等等，但这些指标很难完整描述身体里同时发生的炎症、凝血、代谢等情况。

AI不是寻找其中某一个指标，而是学习这些分子之间复杂的组合关系，最后生成六种疾病各自的蛋白质风险分数和代谢物风险分数。

举个例子，我们有时说一个高中生上学很刻苦，但这种描述没有具体数值，没法直接比较。但其实，我们可以根据每天专注学习的时间、早上是否“闻鸡起舞”、晚上是否“挑灯夜战”、去食堂排队时是否争分夺秒背书等多个维度，得出一个“高三刻苦指数”。

这样就可以拿出来比较了。比如刻苦指数满分100分，他到底是10分刻苦，还是99分刻苦，这里面的差距可大了。

第二，是让六种疾病一起学习。

研究团队设计的神经网络，有一部分结构共用，再分别接出六个疾病分支。冠心病、中风、心衰和房颤看起来是几种截然不同的病，背后却共享炎症、血管损伤、凝血和代谢异常等过程。

六种疾病的蛋白质风险分数之间，相关系数达到0.87到0.94。简单点说，它们就像住在同一栋楼里的六户人家，水管、电路和地基有许多共用之处。如果一家的下水道经常堵，其他家可能也好不到哪儿去。

AI同时学习它们共同的问题，也学习每种病的区别。这也是为什么一次采血，有可能评估六种病。

第三，严格来说并不全由神经网络完成。研究人员把AI生成的分子分数和年龄、性别、血压、生活习惯、家族史、用药、血常规以及基因风险放在一起，再用生存分析模型估计未来发病的概率。他们还反过来用AI寻找哪些蛋白质和代谢物对判断影响最大。

AI在这里既是压缩器，也是模式识别器和线索发现器。但需要注意，预测出来的相关性，并不等于致病原因。

这个研究里，第一个让我觉得反常识的结果，是基因并没有赢。

啥意思呢？很多时候，我们说某个人遗传基因好、身体条件很棒，那么他未来得病的概率是不是就很低？在这项研究里，就包括基因风险指数、蛋白质风险指数、代谢物风险指数等等好几种风险指数。比如，基因风险指数，就是根据某个人的基因进行分析，判断他在未来15年患各种疾病的风险。

结果发现，单独使用基因风险评分时，模型区分高风险和低风险人群的能力只有0.52到0.60。这个数字意味着什么呢？0.5大致相当于随机瞎蒙，也就是说，用基因来判断，只比瞎蒙好一点点。

但单独使用蛋白质风险分数时，这个数字达到0.69到0.82；代谢物风险分数是0.64到0.74。也就是说，这两个风险指数对15年后是否得病，判断得更准。

原因也不难理解。基因更像出厂设置，它告诉你从哪里出发。蛋白质和代谢物更像身体此刻的运行日志，它们同时受到基因、年龄、环境、疾病过程和生活方式的影响，更接近一个人当下的生理状态。

当然，这不等于熬几个夜，就一定能从蛋白质里查出明显变化。而且要知道，这个实验里一共测了2920种蛋白质，数据表现更好，也可能是因为它拿到的信息更多。

第二个反常识，是心血管风险可能并不存在一个特别神奇的单项指标。

研究团队挑出25个重要的蛋白质和代谢物单独测试，结果都明显弱于整套蛋白质分数和代谢物分数。也就是说，这更像一个真正的团队，并不存在某个蛋白质或者指标更重要，没有能像梅西、C罗那样一锤定音的团队核心。真正有价值的，是让AI看一大群微弱信号怎样同时变化。

我们过去体检，习惯盯着报告里表示异常的红箭头。高了就紧张，没红箭头就觉得没事。但AI带来的，可能是另一种看身体的方式：单个指标即使都不十分醒目，组合起来也可能构成风险信号。

最后还有一个重要边界：研究团队做出了这个模型，不等于它已经适合所有人，更不等于现在就适合我们拿来体检。

这项研究里，研究参与者在基线时的中位年龄大约为56岁到58岁，而且英国生物样本库中的大多数参与者是欧洲血统。模型虽然在英国不同地区的数据上进行过测试，但终究都来自同一个生物样本库。它还需要在不同国家、不同族群和真正独立的人群里重新验证。

另外，研究只在十几年前采过一次血。它没有回答这些人中间，有没有人戒烟、减重、开始运动，或者服药以后，风险分数会不会下降；如果风险分数下降了，真实发病率是不是也会下降。

比如罗老师，如果只是在15年前抽过他一次血，那时候的他体重200多斤，抽烟很凶，绝不运动。按照今天这个实验，从那管血中得出的结论，一定是15年后患各种疾病的风险指数非常高。但现在他又戒烟、又减肥，还每天运动，这个指数肯定已经发生了很大变化。

我之所以想和你聊这项研究，是因为我觉得这并不是一个孤立的故事。AI正在整个健康领域同时往前走：一头是更早发现风险，另一头是更快寻找治疗办法。

2024年，一项对AI制药公司的分析发现，AI发现的候选药进入一期临床后，通过率达到80%到90%，而传统药物的历史水平是40%到65%。不过，到了真正开始检验疗效的二期，通过率只有大约40%，和传统药物差不多。

这组数字很有意思。AI现在最先改善的，是找到更像药、更可能安全的分子，但还没有解决“这个药到底能不能治病”这个最难的问题。

但变化已经不只停留在电脑里。一种治疗特发性肺纤维化的候选药伦托司替，咱们先不管这个病具体是怎么回事，不过这个药物被称为全球首个由AI从靶点发现到分子设计全程主导的创新药物。从AI发现新靶点到确定临床前候选药，大约用了18个月。而传统流程如果要做出这样一款候选药，通常需要4.5年。

这款药现在正在进行三期临床试验。药物还没有获批，所以不能说AI已经攻克了肺纤维化。但它至少说明，AI已经从“帮研究人员整理资料”，走到了可以“找靶点、设计分子，再到人体里验证”的地步。如果最终完成临床试验并获批，它可能会成为AI制药历史上的里程碑药物。

说了这么多，其实，“一管血预知15年后的心脏病”这个预测结果本身，我并不觉得有多重要。我更愿意说，AI正在把我们面对疾病的时间线往前推：让我们更早知道风险，也可能让新的治疗更早出现。

这也是为什么，我想跟同学们说一句：保重身体。

保重身体，不是有病不治，坐等未来的AI来救命。恰恰相反，是把今天已经明知道有效的运动、筛查和治疗做好，让自己保持在能够等到下一代技术的状态。

我们今天多保护好身体一年，就可能多等到一种新药、一种新检查，或者一种现在还没有的治疗办法。特别是随着AI能力的飞速进步，我觉得接下来几年可能会迎来医疗能力的大爆发，咱们拭目以待。