我用AI解開了我的神秘疲勞之謎

2026年6月，艾米·鄧（Amy Deng）在Substack上發表了一篇文章，分享了她如何利用人工智能解決自己神秘的疲勞問題。去年，她被診斷出患有泌乳素瘤——一種位於頭部中央垂體上的腫瘤。儘管在8月和11月經歷了兩次腦部手術，但腫瘤並未完全切除。後來，藥物成功控制了腫瘤的生長，但就在她欣喜之餘，卻開始出現間歇性的嚴重疲勞、腦霧、頭暈和噁心等症狀。這些症狀毫無規律，有時讓她無法開車，甚至走到兩分鐘外的雜貨店都感覺不可能；然而幾小時後，她又會完全恢復正常。這種不確定性讓她每天如同輪盤賭：每小時有20%的幾率被症狀擊中。

為了擺脱困境，艾米決定自己動手。她結合AI模型，創建了一套四步流程：追蹤（Tracking）、測試（Testing）、分析（Analyzing）和實驗（Experimenting）。她大膽聲稱：一個熟悉AI的患者，使用前沿模型並運行良好的流程，在診斷模糊的多系統症狀方面，可以勝過大多數初級保健醫生（PCP）。她引用了心臟病專家埃裏克·託波爾（Eric Topol）在《深度醫學》（Deep Medicine）中的觀點：患者存在於一個數據不足、時間不足、背景不足和在場感不足的世界。而AI流程恰好能解決這些問題：收集詳細的縱向數據，餵給永遠可用、無限耐心的模型。

在第一步“追蹤”中，艾米每小時記錄自己的精力水平（1-5分）、症狀和可能的觸發因素。她使用了Garmin手錶追蹤睡眠和步數，用Cronometer記錄飲食，還用Notion製作了每日和每小時的電子表格。她強調追蹤必須簡單可持續，數據要易於導出和分析。她甚至用AI代理自動構建了電子表格並填充了經期週期等字段。她建議，如果精力有限，也可以只拍照食物並用ChatGPT估算宏量營養素。

第二步是“測試”。為了找到主觀感受背後的客觀指標，她使用了Function Health的全面血檢，覆蓋100多種生物標誌物，年費365美元。她強調在向AI提供結果時，要給出測試的全名、具體數值和參考範圍，而不僅僅説“在範圍內”。艾米特別提醒：不同實驗室的設備可能導致相同的測試有不同的參考範圍；臨界值偏高和超出上限10倍是完全不同的。

本身體驗分享了詳細的健康提示。她建議始終使用高推理能力的模型，如Claude Opus 4.8或GPT 5.5（需要付費訂閲，每月20美元）。她創建了一個項目來整理所有健康記錄，並隨時補充背景信息——包括病史、性別、年齡、體重、身高、家族史等。她指出，普通醫生只讓患者説11秒就會打斷，而模型有無限的時間和耐心。但她也警告：模型可能自信地給出錯誤信息。最佳防禦是理解背後的科學原理，必要時讓模型教你。當懷疑答案時，應多次生成並在不同模型間比較。

第三步是“分析”：將追蹤數據和測試結果結合起來，讓AI識別模式。第四步是“實驗”：在醫生指導下調整生活方式或嘗試補充劑。艾米最終通過這個流程找到了根本原因，並保持了一個月的良好狀態。她希望這套方法能幫助其他被不明症狀困擾的人，讓他們在醫療系統中獲得更多主動權。

艾米並非醫學專業人士，但她是健康AI的超級用户。她想幫助更多人用AI改善健康，因此將自己的經驗轉化為了可複製的四步流程。她還在附錄中提供了即用系統提示和編碼代理技能。她強調，任何醫療行動（如調整藥物）前都必須諮詢醫生。