在我的最近一次看诊中，我的医生给了我一个意外的请求：“可以允许人工智能倾听并记录我们的对话吗？”他指着他的平板电脑问道。
我同意了，随后发生了一件罕见的事情：他向后靠在椅背上，直视着我的眼睛，我们进行了一场最为专注、个人化且充满人性化的健康讨论，这是我之前在临床环境中从未有过的体验。
这次经历捕捉到了[人工智能在医疗保健](
与此同时，医疗保健领域的人工智能正在扩展医学前沿的可能性，分析海量数据集以帮助检测罕见疾病、发现被忽视的治疗方法，并揭示诊断疾病的更早、更准确的新方法。
这些突破开始塑造日常医疗保健，从解读复杂的[生物标志物面板](
虽然人工智能不会取代您的医疗保健提供者，但它可以帮助他们更清楚地了解您的健康状况，从而您可以共同做出更明智的决策来保护和改善健康。
人工智能驱动的诊断和影像
人工智能正在以实际且通常不可见的方式协助医疗保健提供者：加快诊断速度、处理现代医学生成的数据洪流，并在问题变得严重之前标记风险。
根据2025年美国医学协会的一项调查，三分之二的医生在其实践中使用AI工具，比前一年增加了78%。
“目前已有超过1,000种FDA批准的医疗AI工具，”斯坦福大学教授James Zou博士说道，他研究医学AI。
其中一个突出的例子是EchoNet，这是Zou帮助开发的一种AI系统，用于分析心脏超声视频以评估心脏功能。在临床试验中，其评估结果与经验丰富的超声波技师一样准确。
这类系统是利用AI推动个性化医疗和患者护理这一更大趋势的一部分。通过更早、更一致地发现细微异常，AI使医疗保健提供者能够根据个人的具体生理状况定制后续测试和干预措施，而不是基于广泛的群体指南。
这种精确的问题解决方式正在整个医疗保健领域得到复制。像Aidoc这样的AI影像工具帮助放射科医生更快地检测脑出血和血栓。像PathAI这样的病理平台标记癌症早期迹象。大型语言模型，例如Google的Med-PaLM 2，可以帮助临床医生以临床级别准确性解释医学问题和实验室结果，回答患者问题，总结临床笔记，或用简单语言解释测试结果。
人工智能与个性化医疗
这些类型的诊断突破——更快的扫描、更早的模式识别、更准确的读数——为个体化医疗奠定了基础，其中一个人的护理计划不是由症状决定，而是由其独特生物学发出的信号决定。
如今，患者淹没在数据之中。[综合生物标志物测试](
对于临床医生来说，在这股信息洪流中解析出重要的内容可能是令人畏惧的。但这正是AI发光的地方。它可以分析数据，突出每个患者最相关的健康信息，标记与临床风险或机会一致的模式，并优先考虑需要采取行动的见解。
想象一下一位有心脏病家族史的中年患者，他记录饮食、佩戴健身追踪器并定期进行血液检查。AI可能会注意到他们的[ApoB](
而这仅仅是个开始。
“很快，AI就可以查看20,000个生物标志物，并基于数百万个案例推荐个性化干预措施，”南加州大学老年学和生物科学教授Valter Longo博士说。“它可以根据[生物年龄](
虽然这些由AI识别的医疗见解会传递给医生，而不是直接传递给您，但它们指向了一种由您自身生物学的实时[分析](
“AI可以将[生物标志物](
医疗保健中人工智能的局限性
即使是最先进的人工智能模型也无法建立信任、展现同理心或理解一个人生活的全部复杂性。这就是为什么医疗保健中AI的未来取决于那些懂得AI的医生，他们能够提出正确的问题，解释数据，并在真实的人类关怀背景下应用这些数据，Longo说。
尽管如此，人们已经在使用生成式AI工具进行医疗保健，例如使用ChatGPT回答医学问题。“它在回答常见[问题]方面相当不错，”Zou说。“但对于复杂问题，它缺乏完整的临床背景来正确回答，这可能导致错误。”
目前最好的护理来自结合临床专业知识、数据素养和人类理解的专业人士。正如Longo所说：“现在[AI]是有帮助的，但在某些情况下可能不可靠。它可以帮助我把事情整合起来，给我可能性，但它不能取代人类的智慧和决策。”
人工智能在药物研发与发现中的作用
人工智能还在医学研究中开辟了新途径，特别是对患有罕见或难以诊断疾病的人来说。
内科科学家David Fajgenbaum博士曾因一种名为Castleman病的罕见疾病濒临死亡，他创立了Every Cure，这是一个利用AI识别现有药物以治疗罕见或被忽视病症的非营利组织。
当Every Cure的AI帮助发现了Castleman病的一个隐藏治疗选项时，它不仅挽救了Fajgenbaum的生命；它还展示了数据驱动模式识别如何为最难的病例带来希望。
同样的方法可以加速长寿科学，帮助识别通过靶向机制如[自噬](
“这非常有前景，”Zou说。“AI可以检测[与老化相关条件](
在希望与谨慎中前行
尽管AI消除了偏见的承诺，但它往往继承了新的偏见，特别是在训练数据存在缺陷的情况下。例如，如果数据集低估了女性或有色人种，那么AI可能对这些群体的推荐不够准确。
隐私是另一个问题。医疗保健数据敏感，关于AI如何使用这些数据以及谁可以看到这些数据的审查越来越多。像FDA和AMA这样的组织正在推动更清晰的标准和更好的保障措施。
“即使经过训练，AI也会犯很多错误，”Longo将其潜力与核能相比：变革性的，但并非没有风险。就像核能一样，AI提供了巨大的希望，但国家领导人需要考虑的不仅是它_能_做什么，还有它_可能_做什么，如果不受控制的话，Longo补充道，“必须对其进行仔细监管。”
(全文结束)
