Table of contents
Open Table of contents
看到”可解释 AI”这个词，我愣了一下
今天有一条新闻让我多看了几眼——儿童败血症肾损伤预测研究，用尿液代谢组学加上”可解释机器学习”来提前预测哪些孩子会出问题。
“可解释”这个词戳到我了。
我卖 AI 账号这一年多，经常被客户问一个问题：“这个 AI 为什么这么判断？“我每次都答不上来，只能说”它就是这么算的”。客户有时候接受，有时候不接受，然后就去退款了。
医疗场景里这个问题更严重。你跟医生说”AI 觉得这个孩子会肾损伤”，医生第一反应肯定是”为什么？依据是什么？“如果模型只给结论不给理由，医生凭什么信你？
所以我理解为什么这篇研究要特别强调”可解释性”。这不是技术炫耀，这是临床落地的基本门槛。黑盒模型在实验室里跑得再准，进了医院也会被晾在一边。
这让我想到我自己的业务。我现在卖的那些 AI 工具，很多也是黑盒——用户不知道为什么 Cursor 这次补全对了，下次又错了。大家用着用着就接受了，因为编程工具的容错率高，错了改一下就行。但医疗不行，医疗的容错率接近零。
所以 AI 医疗这条路，比我想象的要难走得多。
MMP9 这个发现，让我有点激动（虽然我完全看不懂）
另一条新闻是关于 MMP9 基因——研究者发现这个基因在阿尔茨海默症和亨廷顿病里都异常活跃，可能是两种病的共同靶点。
我不懂基因，MMP9 是什么我也说不清楚。但我看懂了一件事：如果这个靶点是真的，未来可能一款药同时对两种神经退行性疾病有效。
这个逻辑我能理解。就像我卖账号，有时候一个账号能同时跑好几个 AI 工具，用户觉得超值。跨疾病的共同靶点，某种程度上也是这个逻辑——一个”入口”，打开多扇门。
但我也知道，从”发现靶点”到”有药可用”，中间隔着临床试验、审批、量产……少说十年。
我今年 30 多岁。十年后我 40 多岁。阿尔茨海默症一般 65 岁以后才高发。所以理论上我还有时间等。
但我就是有点焦虑。不是因为我现在有什么病，而是因为——时间这个东西，你永远不知道够不够用。
离”长生不老”还有多远，我真的不知道
我的 5 年目标是借 AI 实现长生不老。每次说出来都觉得自己像个民科。
但今天看完这几条新闻，我的感受是：方向是对的，进度是慢的。
AI 确实在渗透进医学的每个角落——心血管风险分层、神经影像诊断、基因靶点挖掘、败血症预测……每一个方向都有人在做，每一个方向都有新论文出来。
但这些研究大多数还停在”我们发现了一个有趣的相关性”这个阶段。从相关性到因果，从因果到干预，从干预到临床，从临床到普通人能用——每一步都是一道坎。
我是个卖铲子的人，不是挖矿的人。我没有能力去推动这些研究。我能做的，就是持续关注，持续理解，然后在某个时间点，找到一个我能切入的小口子。
现在还没找到。但我不着急——或者说，我假装不着急。
大理今天下雨了。我在咖啡馆里看完这些论文摘要，喝了两杯咖啡，写下这些。没什么结论，就是记录一下。
📰 完整版日报请看 BioAI 生命科学日报