医疗AI目前面临的最大问题不是模型
医疗AI需突破系统碎片化困境，从记录个体生活轨迹入手，重构医疗数据架构。
医疗AI发展面临的最大瓶颈，或许并非模型的智能程度不足，而是医疗系统从设计之初就未围绕“人的连续生活”这一核心展开。
今天早上看到一篇文章，作者来自Meta health tech和斯坦福医学院。文章指出，当大家都在讨论AI将如何改变医疗时，他们提出了一个更底层的问题：如果系统提供给AI的数据本就是碎片化的，AI究竟能在多大程度上推动医疗进步？
我认为这个问题切中了要害。
现在很多人一提到医疗AI，首先想到的还是更强的诊断模型、更精准的读片能力、更智能的临床助手。这些固然重要，但本质上仍是对旧系统的优化。真正的症结其实更前端：AI所读取的数据，原本就不是按照“一个人如何逐步出现健康问题”的逻辑来整理的。
医疗中最关键的信息，很多时候并不在化验单或结构化病历里，而是藏在日常生活的细节中。一个人是否比以前更容易疲倦，爬楼梯的速度是否变慢，散步时是否更频繁地停下休息，呼吸方式是否有变化——这些往往是健康问题最早显现的信号，却通常不会被系统稳定记录下来。
因此，临床上一直有一个至关重要的环节，即现病史采集。医生真正要做的，并非将病人的陈述原封不动地写入病历，而是在短时间内，把过去几个月中那些模糊、零散、经事后回忆的生活片段重新拼凑起来。比如症状是在活动时还是静息时出现，变化是突然发生还是逐渐加剧，当病人自我感觉“还好”时，身体功能是否已在悄然下降。这些细节会直接影响诊断判断：相同的指标，放在不同个体身上，可能具有完全不同的意义。
说到底，医学始终在处理一种难以标准化的信息：它至关重要，却带有时间维度、具体语境和一定的模糊性，且常常只能通过事后重建来还原。
问题的核心正在于此。当前整个医疗系统几乎是围绕一次次“医疗事件”构建的，而非围绕一个持续变化的人。去一次医院，生成一条记录；做一次检查，新增一个结果；换一家机构，又切换一套系统。医院存储医院的数据，实验室保存实验室的结果，设备也留存着自身采集的信息。记录数量虽多，却很少被真正作为同一个人的连续健康故事来整合保存。
这也解释了为何AI即便已具备强大能力，仍容易遇到发展天花板。它能读片、总结病历、进行风险预测，但所处理的材料大多是某个时间点截取的“快照”，而非健康问题逐步发展的完整过程。AI确实能提供帮助，且会越来越有用，但如果输入的数据始终是碎片化的，再好的输出也只能建立在碎片之上。
文章作者最让我感到启发的一点，是他们将希望寄托于多模态AI与可穿戴设备的结合。配备摄像头和麦克风的智能眼镜、能持续记录行为变化的设备，或许能首次让系统有机会捕捉那些以往被忽略的生活线索：走路速度是否变慢，进行固定活动时是否更容易气短，步态、停顿频率、恢复时间是否在悄然改变。过去这些信息只能依赖病人回忆、家属补充或医生追问，还原的准确性往往有限；如今至少有了更客观记录的可能。
这里真正重要的，不只是“数据量的增加”，而是医疗终于有望触达它一直最缺失的层面——生活本身。疾病并非突然出现在化验单上，很多时候，它首先体现在人们的行走方式、呼吸状态，以及日常活动的完成情况中，只是过去的系统无法“看见”这些信号。
但新的问题也随之而来：即便我们能捕捉更多生活信号，医疗系统真的能容纳它们吗？当前的数据架构是围绕机构组织的，而非以个人为中心。因此市场上才涌现出一批中间件公司，专门负责在不同系统间进行数据翻译、传输与聚合。这些公司固然有用，却更像是“补丁”——补丁能让系统勉强运转，却无法证明底层设计的合理性。
另一条路径是让AI代理承担这些繁琐工作：代替医生或病人在不同系统间调取记录，再拼凑出相对完整的健康史。这条路径在现实中必然会落地，也具有一定价值，但存在一个难以绕开的限制：AI代理只能整理已存在的信息，无法补充从未被记录过的连续性。如果系统根本没有记录一个人在生活中健康状况逐步变化的过程，再智能的AI代理也只是让“信息缺失”的整理效率更高而已。
因此我更认同另一种方向：不再以机构为记录中心，转而让病人成为中心。病历、检查结果、设备信号、生活场景的上下文，都围绕个人进行组织。这样AI处理的处理的就不再是零散文档，而是过去数月、数年中个体健康与生活的完整变化轨迹；医生面对的也不再是“病人去过几次医院”，而是“病人的身体与生活最近究竟发生了怎样的改变”。
我非常认同这一判断。很多行业发展到一定阶段，决定其上限的不再是“谁更聪明”，而是底层协议是否合理。互联网因共同协议而蓬勃发展，全球贸易因标准化集装箱而扩张——医疗领域如今也呈现出类似特征。问题的关键不只是模型够不够强大，而是系统能否先将一个人连续的生活轨迹完整保存下来。
不过，技术上能够记录生活，并不意味着制度上能够承接这种记录，更不代表人们愿意将生活细节交给系统。过去的现病史虽然不够精确，但至少是病人主动分享的、经过选择的信息；如果未来系统开始持续、客观地补充这部分信息，医疗行业固然能获得更多数据，但病人也需要让渡更多隐私。隐私保护、知情同意、数据所有权、责任边界——这些并非边缘问题，而是这套新架构的核心组成部分。
因此，医疗AI真正需要改变的，或许不是诊断界面、病历助手，甚至不只是模型本身，而是医疗记录人类生活的方式。如果这一步无法实现，AI大概只能让旧系统运转得更顺畅一些；如果这一步能够达成，医疗才有可能首次真正围绕“一个活生生的人”展开。