本页目录
前沿 II · 精准医学与 AI 在基础医学中的位置
⚠️ 核对于 2026-08-02。 这一页讲两件容易被夸大的事："精准医学"与"AI 医疗"。本站的立场是——两者都有确凿的局部成功，也都远未兑现宣传的整体图景；关键在于分清哪些已经改变了临床决策，哪些还是承诺。
1. 精准医学：已兑现的部分
定义：按个体的分子/遗传特征而非仅按疾病名称选择干预。
四个真正改变了临床的领域：
① 肿瘤的分子分型（最成熟）：从"按器官治疗"转向"按驱动突变治疗"。已进入常规：肺腺癌的 EGFR/ALK/ROS1/KRAS G12C 检测、乳腺癌 HER2 与激素受体、结直肠癌 RAS 与 MSI、黑色素瘤 BRAF、慢粒 BCR-ABL（第 08 页）。跨癌种适应证（MSI-H/dMMR、NTRK 融合、高 TMB）是范式转变的标志——药物批准第一次不以器官为单位。
② 药物基因组学（第 13 页已列）：已有明确临床行动的少数几项——
| 基因 | 药物 | 行动 |
|---|---|---|
| HLA-B*5701 | 阿巴卡韦 | 用药前必测（超敏反应） |
| HLA-B*1502 | 卡马西平 | 亚裔用药前应测（SJS/TEN） |
| TPMT / NUDT15 | 硫唑嘌呤、6-巯基嘌呤 | 用药前测，调整剂量（致命骨髓抑制） |
| DPYD | 5-氟尿嘧啶、卡培他滨 | 欧洲已推荐用药前检测 |
| CYP2C19 | 氯吡格雷 | 慢代谢者换药（证据较强但实践不一） |
| CYP2D6 | 可待因、他莫昔芬 | 超快代谢者避免可待因 |
注意这份名单很短——这本身就是重要信息。药物基因组学被谈论了二十余年，真正进入常规且有明确行动的仍是少数高风险场景。
③ 单基因病的诊断：外显子组与全基因组测序常用于不明原因发育障碍和罕见病评估，但诊断率随表型、检测策略、队列和变异解释能力而变，不能脱离人群给出一个固定的 30–40% 数字。对家庭的意义（遗传咨询、少数可治疗）是真实的，但结果必须结合专科评估。
④ 感染病的病原体基因组：耐药基因快速检测、暴发溯源、结核耐药分子检测。
2. 精准医学：被高估的部分
多基因风险评分（PRS）：把全基因组关联研究的效应加权求和。问题有三：
- 区分能力有限——对多数常见病，PRS 增加的 AUC 相对于传统风险因素幅度不大；
- 人群可迁移性差——绝大多数 GWAS 样本为欧洲血统，PRS 在其他人群中的表现显著下降，这是当前最严重的公平性问题；
- "知道风险"不等于"改善结局"——缺乏 PRS 指导干预能改善硬终点的 RCT 证据。
🔗 生命的逻辑站遗传线第 12 页给出 PRS 的统计学细节与效应量，本站只强调其临床解读边界。
"N=1 精准"与"组学全景"：多组学（基因组+转录组+蛋白组+代谢组+微生物组）能产生海量数据，但"关联"到"可行动"之间的转化率极低。一条实用判据：问"这个检测结果会改变我要做的哪一件事？"——若答案是"不会"，那它是研究数据而非临床检验。
3. AI 在基础医学中的位置（核对于 2026-08-02）
三个层次，成熟度差异极大：
层次一：结构与分子（已实质改变研究实践）
AlphaFold 系列把蛋白结构预测从瓶颈变成日常工具（其贡献获 2024 年诺贝尔化学奖），AlphaFold 3 扩展到蛋白-核酸-配体-离子的相互作用。对基础医学的实际影响：加速靶点结构解析、指导抗体与蛋白设计（🔗 生命的逻辑站第 27 页）。但要注意边界：预测的是静态结构，而药理学关心的常是构象动态、结合自由能与选择性——结构预测不等于药物设计完成。
层次二：药物发现（有产出，尚无终点验证）
现状（核对于 2026-08-02）：个别 AI 辅助候选已进入临床研究，但“AI 发现”不是 FDA/EMA 的独立批准分类；本次复审不以项目方宣传推断硬终点获益、完整审批或因果归因。是否获批仍取决于药物本身的质量、安全性和有效性证据，以及相应监管审评。
正确的判读方式：AI 可能改善部分早期筛选或设计流程，但临床成败还受靶点生物学、药物暴露、安全性、试验设计和患者选择等多因素影响，不能把失败主因归结为单一因素，也不能把流程提速等同于患者获益；AI 是否改善这些硬终点仍需前瞻性证据。
层次三：诊断与影像（已进入临床，但范围有限）
病理与影像 AI 已有 FDA 授权/清除的产品，但 FDA 的公开 AI/ML 器械名单会持续更新，且明确不是完整清单，不能把名单数量当作临床有效性分母或患者结局证据。
但请把它放在正确尺度上：大多数是"辅助"而非"替代"，且注册研究常为回顾性、单中心、以诊断准确性为终点。改变患者结局的前瞻性 RCT 仍然稀少——🔗 从症状到决策站第 22 页整页处理这个证据落差，并给出读一篇"AI 超过医生"论文的检查清单。
4. 一个必须讲清的方法论问题：数据增加为何没有自动带来更好的医学
四个结构性原因：
- 相关不是机制。组学能找到成千上万个关联，但把关联变成可干预机制需要实验，且失败率高；
- 可重复性。高维数据 + 小样本 = 过拟合。Marek 2022 在脑影像上的教训（🔗 心智与证据站第 19 页：脑-行为关联 r≈0.1，需数千人样本）在组学上同样成立；
- 临床终点的滞后。分子变化可以立刻测量，结局需要数年——这直接导致对替代终点的过度依赖（🔗 姊妹站第 09 页）；
- 人群偏倚。训练数据与研究队列的构成决定了模型与评分的适用边界。
本站的建议判据（对任何"精准/AI 医学"主张）：
它能否让某位具体的医生，在某个具体的决策点上，做出与现在不同且更好的决定？ 若不能，它就还是研究，无论论文多漂亮。
5. 基础医学接下来最可能真正改变的三件事
这是有依据的推测，不是预言，标注理由：
- 多组学 + 空间技术把"疾病分类"重写——目前的疾病名称大多基于器官与形态学（19 世纪的病理学遗产）。单细胞与空间组学正在揭示同名疾病下的不同分子亚型（如 IPF、IBD、脓毒症的内型 endotype）。理由：肿瘤学已经完成过一次同样的重写，路径可复制；
- 免疫治疗从肿瘤扩展到自身免疫与感染——CAR-T 治疗难治性自身免疫病（如系统性红斑狼疮）的早期结果引起广泛关注，思路是深度清除自身反应性 B 细胞后"免疫重启"。理由：机制清晰、早期数据有力；限制：样本极小、随访短、毒性与成本；
- 衰老生物学进入干预试验——衰老细胞清除、代谢干预、部分重编程。理由：动物数据积累充分；限制：人类的终点难以设计（"衰老"不是被批准的适应证），🔗 生命的逻辑站第 09 页有该领域的证据强度评估。
同时要说清楚哪些不太可能很快改变：神经退行性疾病的治愈、多基因常见病的基因治疗、通用型实体瘤细胞治疗、抗生素耐药的根本解决。这几项的困难都是结构性的，不是资金或算力问题。
参考与更新
- 最后审查：2026-08-02。 本节来源用于核验精准医学、AI 医疗器械、AI 药物开发和蛋白结构预测的证据边界；监管状态、模型清单和临床适用性会持续变化。
- Artificial Intelligence-Enabled Medical Devices — FDA：AI/ML 医疗器械授权名单及其“非完整清单”说明。
- Guiding Principles of Good AI Practice in Drug Development — FDA/EMA，2026：AI 药物开发中的风险、数据治理、性能评估和全生命周期原则。
- Ethics and governance of artificial intelligence for health — WHO，2021：AI 医疗的伦理、人权和治理要求。
- The Nobel Prize in Chemistry 2024—Popular information — Royal Swedish Academy of Sciences：AlphaFold 与蛋白结构预测的成就及边界。
下一页收官：把六线收成一张"疾病的通用语法"表。