Table of contents
Open Table of contents
那个用 Claude 分析 9 年健康数据的人，我酸了
日报里有条新闻特别戳我：一个甲状腺病患者把 9 年半的 Apple Watch 数据全扔给 Claude，让 AI 找规律预测病情。
我第一反应是——卧槽，这人真有耐心。9 年半的数据啊，我连记账都坚持不了三个月。
第二反应是——等等，他试了 51 个特征、神经网络、LSTM，最后发现最好用的是 XGBoost，只用 3 个特征？
这让我想起我卖 AI 账号的经历。刚开始我觉得要搞很复杂的系统，自动化发货、智能客服、数据分析一条龙。折腾了两个月，发现最好用的方案是：微信手动发货 + 飞书表格记账。
简单粗暴，但有效。
复杂模型全军覆没，简单模型反而最靠谱——这句话不只适用于 AI，也适用于做生意。
关于我的”长生不老”目标，今天有点焦虑
我之前说过，我关注 AI 生命科学是因为想借 AI 实现长生不老。5 年目标。
今天看到 Nature 子刊那篇文章说”AI 从实验室跑到医院，先过三关”，我有点焦虑。
文章的意思是：别光看实验室数据漂亮，到真实医疗场景就翻车。病人不会像数据集那么”标准”。
我理解这个逻辑。但作为一个想用上这些技术的普通人，我更想知道的是：那到底还要多久？
5 年？10 年？还是我这辈子都等不到？
说实话，我也不知道。我只是个卖 AI 账号的，对生命科学的理解停留在”看得懂摘要，看不懂正文”的水平。
但我有个直觉：AI 在生命科学领域的进展，比我们想象的快，但落地到普通人能用，比我们想象的慢。
这两个”比想象的”加在一起，就是一种很拧巴的状态——每天都有新突破，但每天都觉得离自己很远。
CRISPR 那条新闻，我看不太懂，但感觉很重要
日报里还有条新闻：CRISPR 筛选找到 2000+ 癌症”隐藏驱动突变”，一半是新发现。
技术细节我没看懂。什么”依赖性相关突变”（DAMs），什么”敲掉这个基因癌细胞就死了”，听起来很厉害，但我不知道这意味着什么。
我唯一能理解的是：这为精准肿瘤学开了一扇新门。
精准肿瘤学，就是根据你的基因突变来定制治疗方案，而不是一刀切地化疗放疗。
这个方向我是看好的。因为它符合一个简单的逻辑：每个人的癌症都不一样，治疗方案也应该不一样。
但从”找到 2000+ 突变”到”我得了癌症能用上精准治疗”，中间还有多远？
我猜至少 5-10 年。可能更久。
今天的随想
在大理待久了，有时候会觉得时间过得很慢。每天起床、喝咖啡、处理订单、看日报、写博客，日子就这么过去了。
但看 AI 生命科学的新闻，又觉得时间过得很快。每天都有新论文、新突破、新工具。
这种时间感的错位很奇怪。
我的生活节奏很慢，但我关注的领域变化很快。
有时候我会想：我是不是应该更积极一点？比如去学点生物学基础，而不是只看新闻标题？
但转念一想：我是个卖 AI 账号的，不是科学家。我能做的就是保持关注，等技术成熟了第一时间用上。
这算不算一种”躺平式长生不老追求”？
可能是吧。但我觉得这也挺好的。
毕竟，不是每个人都要去挖矿。有人卖铲子，也挺好。
📰 完整版日报请��?BioAI 生命科学日报