20世纪的“现代医学”得益于史无前例的科学突破，使得
医疗的方方面面都得到改善，让人类预期寿命从1900年的31岁
提高到2017年的72岁。我相信，我们今天正处于另一场医疗颠
覆性革命的风口浪尖，这场革命建立在医疗数字化的基础上，
这将能把近年的革命性数字技术——计算、通信、移动、机器
人、数据科学，当然还有AI，用在医疗领域，带来下一次的医
疗革命。
首先，现有的医疗数据库和流程将实现数字化，包括患者
记录、药效、医疗器械、可穿戴设备、临床试验、监测医疗质
量、监测传染病传播以及跟踪药品和疫苗供应。数字化将创造
海量的数据库，这将大大推动AI的新应用和新机会。
放射学最近已经数字化。背光胶片查看器已经升级为电脑
上的3D精密扫描的可视化，也实现了远程放射学和人工智能辅
助看片。个人病历和保险记录正在快速汇集成为巨大的脱敏数
据库。这数据库结合AI可以精准追踪病情，判断医生水平，提
高治疗效率、辅助医学教育和及早发现和预防疾病。药物使用
的完整数据库将有助于医生和AI能够学习每种药物的适当使用
条件，以实现更高的疗效并避免错误。人工智能可以通过吸收
数十亿个实际案例，特别是那些包括是否治愈的案例，来做更
精准的自我提升。人工智能可以考虑到完整的病史和家族史，
以实现个性化治疗。人工智能可以完整追踪大量的新药、治疗
和研究。这些都是人类绝无可能做的。
除了现有的医疗数字化外，革命性的新技术从发明时就是
数字化的。比如说，可穿戴设备可以持续监测心率、血压、血
糖，以及越来越多的信号，汇集成巨大的数据库。这数据库可
以训练AI，实现精准监测、预警、诊断和维护。
在医学研究中，突破性的新技术与生俱来即是数字化的。
比如说颠覆生物学的DNA测序产生的就是关键的基因数字信息。
数字聚合酶链反应（dPCR）技术可以准确地检测病原体（例如
新冠肺炎）和基因突变（作为癌症标志物）。下一代测序
（NGS）可以快速做出人类基因组测序，而基因测序数据非常庞
大，AI能够读透，而人类无法阅读。CRISPR是突破性的基因编
辑技术，未来有可能根除许多疾病。最后，药物和疫苗研发也
正在走向数字化，并开始与人工智能相结合（本章后面将详细
介绍这一点）。所有这些先进医疗产生的数据，都可以与AI和
其他数字技术深度结合，产生巨大价值。
那么，为什么像IBM Watson这样用于癌症治疗的AI项目没
有成功呢？当IBM与MD安德森癌症中心、斯隆-凯特琳癌症中心
等备受尊敬的AI医疗机构合作时，它错误地决定主要依靠这些
机构的医疗专业知识数据来训练Watson AI。这些数据库的确是
多年累积最顶尖医生精挑细选出来的经典教学案例，特别适合
医生的学习，因为每个案例都可以帮助医生学会关键概念，在
诊断的过程中可以经过人类大脑分析和其他知识点的融合，用
于每个病例。但是AI学习是经过海量数据而不是经过概念的，
而这些数据库对AI来说实在太小了，所以Watson并没有达到医
生诊断癌症的水平。IBM Watson也曾经试图用大量的医学文本
（如教科书和研究论文）来增加其知识，但这些文本也是为人
类阅读而写的，而AI需要的海量真实的患者实际的疗程和效果
的数据。治愈癌症是一项艰巨复杂的任务，人工智能医疗应该
从拥有大数据集而且适合AI的较简单的任务开始。
我相信人工智能和医学界已经从Watson吸取了教训，开始
务实地转移注意力到AI更适合的领域，比如药物和疫苗研发、
可穿戴设备的数据采集、DNA测序的应用、放射科的辅助看片、
病理科的辅助诊断，以及用精准医疗作为医生助手。同时，特
别重要的是需要符合医疗产业（比如说有合适的渠道，不需要
教育市场等），并设计为AI和人相辅相成（不要过于激进，一
开始就要取代医生或科学家）。这样一个务实的和数据驱动的
AI医疗产业在未来20年必能蓬勃发展。下面我们来深度探讨几
个这样既务实又有价值的领域，比如说新药研发。
传统药物及疫苗研发
长期以来，药物及疫苗的研发都是一件极其耗时、成本高
昂的工作——想象一下，人类用了100多年时间，才完成了脑膜
炎疫苗的研制和改进。而在这次新冠肺炎疫情中，正是因为各
国政府把史无前例的巨额资金投入多条研发赛道，支撑了大量
的临床试验和量产尝试，医药企业的疫苗研发才推进得如此迅
速。
在等待了一年之后，我们终于用上了安全有效的新冠疫
苗。好在新冠病毒的致死率没有那么高，这样的等待才显得可
以接受。然而，如果新冠病毒进化成一种像埃博拉一样致命的
传染病，情况就会变得完全不同。因此，考虑到未来可能出现
新的传染病，疫苗和药物的研发速度仍然需要继续提高。
研发药物时，第一步先要理解病毒蛋白质（氨基酸序列）
是如何折叠成独特的3D结构的。理解这种3D结构，对解读病毒
的工作原理并找到对抗它的方法至关重要。例如，就像钥匙插
入锁孔中一样，新冠病毒表面的刺突蛋白可以附着在人体细胞
表面的受体上。当新冠病毒侵入人体细胞后，新冠病毒基因组
（新冠病毒的RNA）将被传递、整合到宿主细胞上，然后在许多
器官中不断复制，从而导致感染者表现出一系列的症状。
针对某种病原体的小分子药物发明，是通过将治疗分子附
着在病原体上来抑制其功能而起作用。这种治疗分子的发现过
程可以分为以下四个步骤：
第一步，利用mRNA序列推导病原体的蛋白质序列（现在这
一步不难实现）；
第二步，探索该蛋白质序列的三维结构（蛋白质折叠方
式）；
第三步，确定三维结构上的靶点；
第四步，生成可能有效的靶向分子，然后从中选择最佳临
床前候选药物。
如果回到之前用过的类比，那么第一、二、三步相当于摸
清锁的结构，第四步相当于打造一把适配的钥匙。这四个步骤
需要依次完成，后三个步骤的工作不仅非常耗时，而且成本高
昂。
例如第二步，为了确定病毒蛋白质序列的三维结构，科学
家会使用冷冻电子显微镜成像等技术，直接观察病毒蛋白，然
后一步一步艰苦地摸索、推敲出3D蛋白质结构。
第三、第四步是找到靶点并设计出对应的靶向药物，这是
一个漫长的试错之旅，而且需要科学家具备强烈的直觉、丰富
的经验和好运气。不过，就算科学家耗费数年时间锁定了一种
临床前候选药物，它也有90%的概率无法通过二期、三期临床试
验。这个探索过程会耗费相当长的时间。当然，也可以并行探
索几种不同的方法，不过这样虽然可以缩短时间，但需要大量
的资金投入。
AI在蛋白质折叠、药物筛选及研发方面的潜力
目前，要研发一种有效的药物或疫苗，需要投入10亿―20
亿美元的资金和数年的研发时间。我相信，AI将大幅提升药物
的研发速度，降低研发成本，为患者提供更多价格在可承受范
围内的特效药，帮助患者活得更健康、更长寿。
2020年，DeepMind公司针对蛋白质折叠研究（药物研发的
第二步），推出了蛋白质折叠预测软件AlphaFold，可以说，这
是迄今为止AI在科学领域最伟大的成就。
蛋白质是生命的基石，但对于人类来说，蛋白质的氨基酸
序列如何折叠成3D结构，从而成为生命活动功能执行者的整个
过程，仍是一个谜。解开这个谜，不仅具有重大的科学意义，
对医学领域也有极高的价值。恰巧，深度学习技术似乎非常适
合在这个问题上“大展拳脚”。
AlphaFold背后的训练数据集非常庞大，包含了过去发现的
所有蛋白质三维结构信息。目前，AlphaFold已经证明了它模拟
未知蛋白质三维结构的能力，其准确性与传统方法（如上面提
到的冷冻电子显微镜成像技术）不相上下。区别在于，传统方
法成本高、耗时长，而且只能解析所有蛋白质结构中不到0.1%
的部分；AlphaFold的出现，提供了一种快速扩大人类已知蛋白
质数量的方法，被视为“解决了困扰生物学界50年之久的巨大
挑战”，是一项划时代的突破。
一旦掌握了蛋白质的三维结构，“药物再利用”就成了一
种能够帮科学家快速找到有效治疗手段的方法，即尝试每一种
已经证明对一些小病安全、有效的现有药物，看看其中哪些药
物可能成功嵌入当前病毒的蛋白质三维结构。
“药物再利用”方法有可能成为一条捷径，从而使人类能
够在一场严重的流行病发生之初就阻止病毒的传播。因为这些
能被“再利用”的药物均已通过不良反应测试，可以直接使
用，无须再经过大范围临床试验。《无接触之恋》中的男主角
加西亚在被检测出携带COVID-Ar-41的变体病毒后，临床中心就
立即启动了AI程序，以“再利用”一种能够减轻他的症状的药
物。
科学家还可以充分利用AI的优势，发明新的化合物。AI可
以锁定一些靶向分子可能附着的靶点（药物研发的第三步）。
如果给定一个靶点，AI模型就可以通过识别数据的内部模式，
来缩小对药物的搜索及筛选范围，锁定候选药物（药物研发的
第四步）。2021年，AI药物研发公司英矽智能宣布其利用AI完
成了治疗特发性肺纤维化的新药研发，先在三维结构上找到靶
点（第三步），然后提取相关信息并找到最佳的靶点分子（第
四步）。英矽智能的AI技术不仅为药物研发的后两个步骤节省
了90%的成本，还创造了一项不可思议的奇迹：用18个月的时间
完成了新药研发。要知道，传统新药研发往往要耗时10年以
上，耗资超过20亿美元。
此外，AI还可以整合多方面知识来优化第三、四步研发过
程。例如，自然语言处理（NLP）技术可对海量学术论文、专利
成果和公开数据进行深入挖掘，从中提取出能够帮助锁定靶点
或有效分子排序的信息。AI还可以根据过去的临床试验结果，
预测所有潜在候选新药的有效性，为进一步排序提供参考。这
些，都可以在计算机系统上模拟完成。科学家可以站在AI的肩
膀上，参考系统给出的推断，排除“错误选项”，然后再进行
下一步研究。
当然，除利用计算机模拟进行研究的“干实验”外，还有
一种“湿实验”，即在实验室培养皿中对人体细胞展开药物测
试。对于这一类实验，AI同样有很大的施展空间。在今天，由
机器人来主导这类实验，会比由实验室技术员来操作更加高
效，而且可以采集到更多的数据。镁伽机器人就是这样的先进
公司，镁伽的实验室机器人，无须人工干预，就能进行24小时
全天候的重复实验，这将大大加快药物的研发速度。
AI与精准医疗及诊断：让人类活得更加健康长寿
除药物及疫苗的研发外，AI还会以多种方式重塑医疗行
业。
精准医疗，指依据患者的个人实际情况，为其定制最适宜
的治疗方案，而非盲目使用某种重磅药物。随着包括患者病
史、家族病史以及DNA序列等在内的数据越来越多地被AI系统采
集，精准医疗的思想也会被越来越多地实现。这种根据个人情
况提供优化定制的服务，正是AI的优势所在。
我预计，在今后20年中，AI在诊断能力方面将赶超绝大部
分人类医生，而且这一趋势将率先在放射学一类的领域中有所
体现。目前，在利用某些特定类型的MRI和CT图像进行诊断方
面，计算机视觉算法就已经比优秀的放射科医生做得更为出
色。
在《无接触之恋》中，20年后，绝大多数放射科医生的工
作已经被AI接管，由AI辅助的自动化放射科，能够承担从拍
片、看片到分诊的全流程工作；此外，我们还看到AI在病理学
和眼科诊断上也表现出卓越的能力。AI诊断将逐个攻克不同的
疾病，陆续进驻不同的科室，最终代替全科医生对患者进行诊
断。
医疗工作关乎患者的生命，责任十分重大，所以，AI对医
疗行业的覆盖，需要循序渐进地推进。最初，AI可能只作为人
类医生的辅助工具，或者仅在人类医生人手不足的情况下使
用。但随着时间的推移，通过在更大体量的数据上进行更多的
训练，AI的诊断能力将变得更强大。多年后，可能大多数医
生，会从亲自诊疗转向审阅AI系统的诊疗结果；他们的工作重
心，将更多地放在给予患者更多的同理心和关怀上，放在与患
者进行更多的沟通与交流上。
未来，即便是高度依赖人类医生审慎判断和灵活操作的复
杂手术，AI也能在其中发挥作用。2012年，机器人辅助手术仅
占所有手术的1.8%；到2018年，这一数据已增至15.1%。同时，
机器人医生已经能够在医生的监督下完成一些半自动化手术，
如结肠镜检查、缝合术、小肠切断与吻合术、植牙等。
根据这种趋势，我们预测，20年内，在某种程度上所有手
术都将包含机器人的参与，而由机器人全权负责的手术比例也
将大大提高。纳米医疗机器人更会具备多种人类医师无法具备
的医疗能力。这些肉眼看不见的“机器人医生”（仅有1―10纳
米大小）可以修复受损细胞、对抗癌症、改善基因缺陷，或者
替换DNA分子以根除疾患。
可穿戴设备将为AI在医疗领域的发展提供沃土，就像《无
接触之恋》中能够采集加西亚的生物数据的各类传感器一样。
未来，我们会住上带有温度传感器的房间，用上智能马桶、智
能床铺、智能牙刷、智能枕头，还有各式各样的隐形设备……
这些设备都将定期采集人类的生命体征及其他相关数据，从而
检测一个人是否会出现健康危机。
AI系统将汇总、整合所有设备采集到的数据，然后准确判
断一个人的健康状况，无论是发烧、中风、窒息，还是心律失
常，哪怕仅仅是跌了一跤，都逃不过AI的“眼睛”。而且，所
有这些物联网数据都将与人们的医疗信息（如病史、接触者追
踪记录、感染控制数据）结合起来，用来加强对未来可能发生
的大流行病的预测和防控。
在这个过程中，隐私安全可能成为用户最担忧的一个问
题，因此在训练过程中，AI系统需要对数据进行匿名化处理，
比如用难以溯源的化名对用户加以区分和指代。同时，我们应
该开发相应的技术解决方案，让人们在隐私安全得到保障的前
提下，享受到集中式AI所带来的便利（更多相关内容详见第九
章《幸福岛》）。最后，我们还需要一些创新性的法案，例如
赋予人们在去世后捐献自己数据的权利。
2019年的研究显示，到2025年，全球AI医疗市场的年复合
增长率将达到41.7%，市场规模将超130亿美元，包括医院工作
系统的建设、可穿戴设备及虚拟助理的开发、医疗成像和诊
断、治疗方案的拟定等，以及最重要的药物及疫苗研发。而新
冠病毒的出现，正在加快这一增长速度。
最后，我认为AI有助于人类长寿——它不仅会帮助我们活
得更久，而且会提升我们的生活质量。AI将利用大数据和个性
化数据，为每个人提供定制化的营养和膳食计划、睡眠和运动
建议，以及药物和诊疗方案，从而达到延年益寿的效果。先进
的生物技术将不再是超级富豪“返老还童”的特权，而是所有
人都有机会享受的福利。
有专家认为，随着医学、生物学和AI领域的技术迭代与升
级，人类的寿命可能会延长20年。如果这能够成真，那么我们
离本书所描述的2042年的世界就更近了。