“解决所有疾病”，你说呢？

谷歌DeepMind首席执行官Demis Hassabis在今年的Google I/O主题演讲尾声，面无表情地宣称公司希望“重新构想药物发现过程，目标是有朝一日解决所有疾病”。这一说法堪称“如果属实，那就太厉害了”的经典案例。实际上，Hassabis所描述的是Gemini for Science，这是一套实验性AI工具，旨在鼓励研究人员探索并做出新发现。

我在Optimizer栏目中常对AI健康持批评态度，但Hassabis的声明需要更多背景解读。良好的科学传播——既能让外行理解，又不无意中传播错误信息——已变得愈发困难。I/O现场的科研人员自然明白，这句话意味着AI的进步大幅缩短了医学发现所需的时间。但对于普通人（甚至科学传播者）来说，这听起来就像“Gemini能治愈所有疾病，因为这就是AI的力量”。然而，现实中的医学突破并非如此。

几十年来，AI一直是医学研究和发现的重要组成部分。可穿戴设备使用的算法就是AI；非侵入性可穿戴检测特征的发现则是机器学习。生成式AI是这一研究领域相对较新的参与者，但前景广阔。由于工作关系，我经常与临床研究人员交流，消费健康技术的许多突破都部分归功于AI的进步。例如，一项荟萃分析发现，AI在缩短新冠疫苗研发时间方面发挥了重要作用。然而，该分析也指出，在算法偏见、数据隐私和全球公平获取等方面，使用AI仍面临重大的伦理、物流和监管挑战。

在主题演讲中，Hassabis提到了谷歌的AlphaFold和AlphaGenome项目。AlphaFold帮助研究人员更好地理解蛋白质结构，这在癌症治疗等领域可能至关重要。传统上，发现新蛋白质及其相互作用需要数年时间，而AlphaFold大幅缩短了这一周期。在实际案例中，研究人员已利用该模型开发疟疾疫苗、发现与“坏胆固醇”相关的关键蛋白质，以及理解早发性帕金森病背后的蛋白质。另一方面，AlphaGenome帮助预测人类DNA序列的突变，可能有助于理解某些疾病的成因。但谷歌在《自然》杂志上指出，该模型存在重要局限，例如尚未针对个人基因组预测进行验证，且难以捕捉细胞和组织特异性模式。这些细微差别对科研人员很重要，但对大众而言通常会被忽略。

从很多方面看，Hassabis在台上的发言并不是针对我们这些普通观众。而且需要明确的是，这些AI模型和Gemini for Science工具不会在三年、五年甚至十年内神奇地根除癌症或所有“不治之症”。这类事情至少需要20年，甚至更久。你可能觉得这时间很长——尤其是对生病的亲友或自己的寿命而言——但在严谨的科研领域，这已是雄心勃勃的激进估计。然而，在宣布四十亿个其他AI智能体和功能的主题演讲中，你根本没有时间解释这些。问题在于，这些言论传播甚广，影响深远。对我们大多数人来说，AI健康至今仍是糟糕的体验：重复的指标摘要、幻觉和烦人的手把手指导。我们不应将面向研究人员的AI工具与消费级AI健康功能混为一谈，但人性本如此，很容易将它们联系起来。

我对Hassabis言论的第一反应，是想起卫生部长RFK Jr.最近在国会听证会上说AI可能让FDA“变得无关紧要”。他的逻辑是AI可以帮助开发和审批新药。将这与Hassabis的话对比——语境完全不同——就能看出普通人的反应可能会产生误导性联想，例如认为谷歌在附和或支持Kennedy的分析。此前The Verge已报道过Kennedy在AI健康领域观点的问题所在。但作为提醒，去年他在接受Tucker Carlson采访时表示，AI可以加速药物审批过程。这一说法并非完全错误，但它并不能消除FDA药物试验、动物测试等存在了几十年的流程。AI归根结底是一个需要专家投入和协作的工具，科学严谨性绝不能随意跳过。

语境至关重要，而它往往是热门金句中最先丢失的部分。这就是为什么当我首次概述健康骗子的套路时，我说第一步通常是将一个宽泛的事实与一个误导性的断言并列。需要澄清的是，我并不是说Hassabis在主题演讲中犯了滔天大罪。谷歌（和苹果）确实做了大量临床研究，并通过博客努力传达这些努力。但就像传话游戏一样，在当今短视频、注意力缩短和媒体素养下降的时代，很多信息丢失了。我没有什么解决方案，只能尽力在可能的地方补充语境，希望它能触及适当的受众。

科学洗白如今如此盛行，自有其道理。几个流行语或大胆声明就能赋予高科技合法性，却抹杀了细微差别。在硅谷，你可以看到技术兄弟参加肽类派对或追随Bryan Johnson的长寿生物黑客风格。从“AI能解决所有疾病”到“追踪你的生物指标，优化这些补充剂，战胜死亡”，并不是一个大跳跃。也许AI最终有一天能帮助解决所有疾病。但如果真的如此，道路绝不会清晰简单。未来20年可能发生很多事，尤其是在政治、社会和文化背景中，这些也会影响临床研究能力——所以请原谅我，现在还没有Hassabis那么乐观。