Table of contents
Open Table of contents
AI 开始接管病理科了？
看到那篇”AI 从血液切片数微核”的研究，我第一反应是：这不就是让 AI 当病理科医生吗？
我爸前几年做过一次体检，报告里有一项叫”外周血淋巴细胞微核率”，当时我完全不知道这是啥。现在回想起来，原来微核就是细胞分裂出错时产生的小碎片，数量越多说明 DNA 损伤越严重。
以前这玩意儿靠人眼数，想想就累——盯着显微镜一个个数小点点，眼睛不瞎才怪。现在 AI 扫一遍全切片就搞定了，又快又准。
但让我真正兴奋的点不是这个。
我在想：如果 AI 能精准检测 DNA 损伤程度，那是不是意味着抗衰老药物的效果也能被量化了？毕竟衰老的本质之一就是 DNA 损伤累积嘛。
当然，这是我瞎猜的。论文里说的是用来评估化疗药物疗效，和抗衰老可能八竿子打不着。但谁知道呢，科学的进步经常是这样——本来研究 A，结果发现对 B 也有用。
联邦学习这个词我终于搞懂了
今天好几篇论文都提到”联邦学习”，我之前一直没太理解这是啥。
简单说就是：数据不出门，模型来串门。
医院的病人数据不能随便给外人看（隐私法规），但 AI 训练又需要大量数据。联邦学习的解决方案是：AI 模型跑到各个医院去学习，学完了只带走”知识”（模型参数），不带走数据。
这让我想起我卖账号的经历。
我的供应商分布在好几个地方，每个人手里有不同的资源。如果我要统计”哪种账号最好卖”，最笨的方法是让所有供应商把销售数据发给我汇总——但他们肯定不愿意，怕我知道他们的成本和利润。
联邦学习的思路就是：我不要你的原始数据，我只要你告诉我”你那边 Claude 账号卖得比 ChatGPT 好”这个结论就行。
好吧，这个类比可能不太准确。但至少我现在理解为什么联邦学习在医疗 AI 领域这么火了——既能训练出好模型，又不用担心病人隐私泄露。
数字孪生听起来很科幻，但…
“医学数字孪生”这个概念我之前在科幻小说里见过——给每个人建一个数字分身，在虚拟世界里模拟各种治疗方案，找到最优解再用到真人身上。
听起来很美好对吧？
但论文里讨论的主要是”怎么省钱”和”怎么保护隐私”。这说明什么？说明这玩意儿现在还贵得要死，而且隐私风险很大。
我对这种”框架性”的研究一直持保留态度。不是说没价值，而是从论文到落地，中间隔着十万八千里。
就像我当年写 AI 课程，理论上写得头头是道，实际上卖了不到 30 块。理论和实践之间的鸿沟，比我想象的大多了。
说点和日报无关的
最近大理的天气开始热起来了，咖啡馆里的游客也多了。
有个客户加我微信问能不能便宜点，我说不能，他说”你们这些卖账号的利润太高了”。我没回他。
利润高不高我不知道，但我知道的是：去年这个时候我还在闲鱼 9.9 一份卖 AI 指令，写半天赚不到一顿饭钱。现在至少能在大理租个房子，每天喝得起咖啡。
这算进步吧。
至于长生不老的梦想，今天这些论文让我觉得：AI 确实在一点点渗透进医疗领域，但离”普通人能用上”还早着呢。
不过没关系，我还有 5 年时间。慢慢等。
📰 完整版日报请��?BioAI 生命科学日报