关于胆固醇和血脂处理的新美国指南引发了众多讨论。几十年来，人们一直将LDL（低密度脂蛋白）视为唯一能带来秩序的单一数值。如今事实证明：这种秩序是虚假的，思路过于简单。LDL仍然重要，但只是问题的一部分。Non-LDL（非低密度脂蛋白）和ApoB（载脂蛋白B）成为关注焦点，因为它们能全面反映"危险"脂肪颗粒的全部。换句话说：我们不再只计数最突出的罪犯，而是整个犯罪团伙。这是一大进步，但也是一种承认。
医学长期以来一直在玩简化主义的游戏：一个数值、一种疗法、一个目标值。现在显而易见的是：人体不是Excel表格，而是一个交互网络。这一点在ApoB上尤为明显，它测量动脉粥样硬化颗粒的实际数量，通常比单独测量LDL更准确。此外还有Lp(a)（脂蛋白a）。这个数值听起来像密码，但实际上描述的是遗传命运。由于几乎无法改变，通常只需测量一次。Lp(a)值高的人一生都背负着这种风险，就像背着一个看不见的包袱。
人工智能作为希望的承载者
这些新指南与其说是医学革命，不如说是一种文化现实检查。现在，取代单一阈值的是多种组合，这些组合又导致复杂的风险档案。这与渴望快速给出答案的医疗体系显然不相称。正是在这个节点上，下一个希望闪亮登场：人工智能。
人工智能模型能够以几年前无法想象的深度分析血液图像，它们能同时识别数十个参数中的模式、计算风险、发现日常中容易被忽视的关联。在研究中，这些系统可以根据少量实验室检测值，惊人准确地预测疾病发展轨迹。例如，维也纳开发了一些模型，能够基于血液数据提前发现肝脏疾病的严重并发症，甚至在出现首个症状之前。
医生不可被取代
这听起来似乎是应对新复杂性的完美答案。确实：人工智能就像一个不知疲倦、没有偏见的侦探，能在几秒钟内进行数百万次比对。这可以减轻医生负担、加速诊断并实现个性化治疗。但有一个关键点不应被浪漫化：人工智能无法取代医生。医学远不止是模式识别。算法看到的是数据，医生看到的是人。人工智能可以判断风险是否升高，但它无法评估这位患者是否有恐惧、是否理解自己的治疗方案，或者是否有意愿改变生活方式。
此外还有一个结构性问题：许多人工智能模型都是"黑盒子"。它们提供结果，却不透明地展示其逻辑。在决策能改变生命的领域，这是一个严重的缺陷。此外，人工智能的好坏取决于其训练数据。罕见疾病或非典型病程往往识别不佳，因为它们在数据中代表性不足。即使科技巨头正在开发自己的健康人工智能系统，近期发表在《英国医学杂志》上的一项研究显示，所有关于个人健康问题的人工智能建议中，有一半被归类为有问题。
当然，这些系统正在迅速发展，但它们应被视为工具。也许是迄今为止我们拥有的最佳工具。然而最终，医学仍然是关于人的议题，诊断应该是一场对话。那里坐着的不是一个算法，而是一个承担责任的人。
【全文结束】
