我用AI解开了我的神秘疲劳之谜

2026年6月，艾米·邓（Amy Deng）在Substack上发表了一篇文章，分享了她如何利用人工智能解决自己神秘的疲劳问题。去年，她被诊断出患有泌乳素瘤——一种位于头部中央垂体上的肿瘤。尽管在8月和11月经历了两次脑部手术，但肿瘤并未完全切除。后来，药物成功控制了肿瘤的生长，但就在她欣喜之余，却开始出现间歇性的严重疲劳、脑雾、头晕和恶心等症状。这些症状毫无规律，有时让她无法开车，甚至走到两分钟外的杂货店都感觉不可能；然而几小时后，她又会完全恢复正常。这种不确定性让她每天如同轮盘赌：每小时有20%的几率被症状击中。

为了摆脱困境，艾米决定自己动手。她结合AI模型，创建了一套四步流程：追踪（Tracking）、测试（Testing）、分析（Analyzing）和实验（Experimenting）。她大胆声称：一个熟悉AI的患者，使用前沿模型并运行良好的流程，在诊断模糊的多系统症状方面，可以胜过大多数初级保健医生（PCP）。她引用了心脏病专家埃里克·托波尔（Eric Topol）在《深度医学》（Deep Medicine）中的观点：患者存在于一个数据不足、时间不足、背景不足和在场感不足的世界。而AI流程恰好能解决这些问题：收集详细的纵向数据，喂给永远可用、无限耐心的模型。

在第一步“追踪”中，艾米每小时记录自己的精力水平（1-5分）、症状和可能的触发因素。她使用了Garmin手表追踪睡眠和步数，用Cronometer记录饮食，还用Notion制作了每日和每小时的电子表格。她强调追踪必须简单可持续，数据要易于导出和分析。她甚至用AI代理自动构建了电子表格并填充了经期周期等字段。她建议，如果精力有限，也可以只拍照食物并用ChatGPT估算宏量营养素。

第二步是“测试”。为了找到主观感受背后的客观指标，她使用了Function Health的全面血检，覆盖100多种生物标志物，年费365美元。她强调在向AI提供结果时，要给出测试的全名、具体数值和参考范围，而不仅仅说“在范围内”。艾米特别提醒：不同实验室的设备可能导致相同的测试有不同的参考范围；临界值偏高和超出上限10倍是完全不同的。

本身体验分享了详细的健康提示。她建议始终使用高推理能力的模型，如Claude Opus 4.8或GPT 5.5（需要付费订阅，每月20美元）。她创建了一个项目来整理所有健康记录，并随时补充背景信息——包括病史、性别、年龄、体重、身高、家族史等。她指出，普通医生只让患者说11秒就会打断，而模型有无限的时间和耐心。但她也警告：模型可能自信地给出错误信息。最佳防御是理解背后的科学原理，必要时让模型教你。当怀疑答案时，应多次生成并在不同模型间比较。

第三步是“分析”：将追踪数据和测试结果结合起来，让AI识别模式。第四步是“实验”：在医生指导下调整生活方式或尝试补充剂。艾米最终通过这个流程找到了根本原因，并保持了一个月的良好状态。她希望这套方法能帮助其他被不明症状困扰的人，让他们在医疗系统中获得更多主动权。

艾米并非医学专业人士，但她是健康AI的超级用户。她想帮助更多人用AI改善健康，因此将自己的经验转化为了可复制的四步流程。她还在附录中提供了即用系统提示和编码代理技能。她强调，任何医疗行动（如调整药物）前都必须咨询医生。