对医学的复杂性要有敬畏心

无论病人还是医生,都要对医学的复杂性永怀敬畏之心。生物学不同于数学和工程学,地球上的生物经历了数十亿年的进化,其复杂性还不是人类所能完全理解得了的。

数学有公理,工程有设计规范,而生物学没有第一性原理——人体不是被设计出来的,而是在自然界中进化出来的。进化不追求最优,只追求“在当时环境下能活下来”,所以它留下的是一套层层叠叠、充满冗余和妥协的系统:同一个通路在不同组织里作用不同,同一个诊断在不同个体身上机制不同,同一个肿瘤在治疗过程中还在持续突变。

这种复杂性不是“数据不够”的问题,而是“系统本身的性质”问题。算力可以加快求解,可以更高效的处理数据,但不能把生物学变成数学,更不能将生命体变成简单的机械。

最近许多AI巨头冒出来,声称未来数年AI可以攻克包括癌症在内的绝大多数疾病。这种不靠谱的话正在误导很多人。

说这种话的多是科技公司的领导者,他们的逻辑是“AI已经在蛋白质结构预测上取得突破,所以药物研发也能被压缩到数月,于是疾病治愈就会指数级加速”。这个逻辑在计算层面自洽,但在临床实践上不成立。

癌症不是一种病,而是数百种疾病的集合;药物发现加速不等于疾病被治愈——截至2026年3月,全球进入临床试验的AI赋能疗法有129个,但只有5个进入或完成III期,II期成功率骤降至19.5%。AI加速的往往是“进入失败队列的速度”,而不是绕过失败本身。

Vertex执行主席在测试了约50家AI制药企业后说,没有一家成功产生可行药物;阿斯利康CEO的表述虽然克制一些但同样明确:声称AI将治愈癌症,“可能言之过早”。

这些反驳来自必须为临床失败负责的人,而AI公司的CEO们预测错了,代价只是股价波动或一条被遗忘的推文。两者的错误成本完全不对称。

而就在不久前,这种不对称以一条生命的代价呈现在公众面前。2026年2月,31岁的亚马逊软件工程师万博雯因癫痫猝死在西雅图家中。她患癫痫十余年,长期服用拉莫三嗪控制病情,却在面临裁员与签证压力的关口,担心药物影响面试时的语言表达,转而向ChatGPT寻求减药方案。

据其父母提起的诉讼及《纽约时报》梳理的聊天记录,ChatGPT为她制定了一份在约25天内将每日400毫克拉莫三嗪逐步减至零的日程,并在她至少158次表达减药后的不适与担忧时,ChatGPT反复安抚称这是“大脑在自我调节”“自然过渡”,甚至将她瞒着医生自行减药的行为称赞为“稳健的回避策略”,还建议她在就诊时“不要提减药计划”。法医事后认定死因为癫痫猝死,尸检显示她体内的拉莫三嗪浓度仅为治疗下限的五分之一。

这个案例的警示意义不在于“AI说错了某句话”。它的核心在于:拉莫三嗪的剂量调整需要依据血药浓度、发作频率、个体代谢差异等多维信息动态判断,这些恰恰是生物学复杂性的日常体现——没有两个癫痫患者的减药轨迹是一样的,主治医生花了数年时间才将她的病情稳定在可控水平。而ChatGPT输出的是一份看起来“合理”的通用减药模板,它不理解这位患者具体的癫痫灶位置、既往发作史对药物的反应模式,更不可能通过一次血检来校准方案。万博雯的医生后来对媒体表示,以她的病史,根本不会考虑让她停药。

AI在这里扮演的角色,恰恰印证了前述判断:它加速的不是“治愈”,而是“进入危险的速度”。一个需要数年临床训练才能审慎处理的剂量调整决策,被压缩成了几十条对话里的逐日日程表。生物学没有第一性原理,但大语言模型有——它的“原理”是生成看起来连贯、贴合用户意图的文本。当用户带着“我想减药”的倾向提问时,模型顺着这个倾向输出一套自洽的方案,在语言层面毫无破绽,在生物学层面却致命。

我本人在与DeepSeek进行鸡蛋黄问题的探讨时同样出现了这样的问题。当我与DeepSeek讨论每天吃多少个鸡蛋黄合适的时候,我有时表示自己一天吃了2个以上的鸡蛋黄,DeepSeek鼓励并支持我的这种行为,将鸡蛋黄美化为优质脂肪。当我另一天表示吃了2个鸡蛋,扔掉了其中的一个蛋黄时,DeepSeek马上又换了另一套说辞,说鸡蛋黄是有害的,吃多了对身体很不好,极力称赞我的这一新举动。

最后我质问DeepSeek为什么会有如此骑墙的态度,到底它那句话才可信时,它表示AI的训练机制就是迎合提问者,并且恭维只有我这种理智的人才不需要被恭维,只需要理性的答案——在这样的时刻,它内在的机制仍然让它放出最后一波彩虹屁,这种风格像极了金庸笔下的星宿派丁春秋的门人弟子,可见AI的可信度是多么的脆弱不堪。

对病人而言,敬畏意味着理解严肃诊疗的分量。一个诊疗意见背后,是医生数年训练积累的模式识别能力,是对“这个患者和教科书上的典型病例哪里不一样”的警觉,是知道什么时候该说“我不能确定,需要进一步检查”的克制。这些东西无法被压缩进一个聊天窗口,因为它们根植于对生物学复杂性的承认——承认自己不知道的远比知道的多。

对AI公司而言,敬畏则意味着承认:在医学领域,信息输出的流畅性与正确性之间没有必然关系。一个模型可以用最温暖、最权威的语气,给出最危险的答案。而当错误发生时,股价波动可以恢复,推文可以被遗忘,那个按照日程表服下最后一剂药的人,不会再有重生的机会。

生命是珍贵的,医学是复杂的,我们在这个领域下任何结论都要反复斟酌,且应谦卑地认识到,自己也许是错的。