2024年，超过70家医疗AI公司拿到了FDA许可。全球临床AI投资突破150亿美元。各大医疗系统纷纷公布了自己的AI战略。
可在美国医院里，毫无预警就病情恶化的病人，数量并没有什么实质变化。慢性肾病仍要拖上好几年才被发现。据估计，美国每年仍有约1200万成年人在门诊中受到诊断差错的影响。换了新医生，你还是得自己背出正在吃的药。
问题出在路子上。
大多数医疗AI到底在做什么
大多数临床AI产品，做的无非是三件事：总结病历，给影像分类，在数字越过阈值时报警。都有用，也都是套壳。它们把临床数据原封不动地拿来，过一遍模型，再把结果呈现出来。底层的数据没有变，系统理解病人的方式也没有变。
放射科医生借助AI读胸片，读的仍然是某一刻的一张片子。AI也许能抓到一个她会漏掉的结节，这确实可贵。但它没法告诉她：这位病人三年里做过五次肺功能检查，结果一路走低；八个月前换药之后，下降明显加快；按这条轨迹推算，18个月内就会发展为慢阻肺。这些信息都在，只是散落在不同的医疗机构、不同的年份里。套壳够不着它们，因为套壳只看得见眼前这一次诊疗。
几乎所有临床AI的分析单位，都是一次就诊、一份病历、一张影像。而人类疾病的分析单位是年。只要两者对不上，医疗AI就只会不停地为错误的问题提供更快的答案。
人类疾病的分析单位，是年。
速度的陷阱
人人都在讲速度：几秒钟写好出院小结；医生还在和病人说话，转诊信已经起草完毕；自由文本里的诊断，即时就能提取出来。
医生的职业倦怠是真的，文书负担也确实压得人喘不过气。任何能把时间还给临床的东西，都有价值。但在现有基础设施上提速，解决的只是效率问题。一位医生拿到了今天这次门诊完美的AI摘要，却依然不知道，过去两年里，她的病人在三家医疗机构的肌酐一直在涨。摘要是快了，临床图景却分毫未变。
医疗系统引入能让流程提速的AI，报出一串效率提升的数字，然后宣布AI战略大获成功。与此同时，从疾病开始发展到它被发现之间的那段时间，一点也没有缩短。整个体系只是朝着原来的方向跑得更快了，却没有人问过，这个方向对不对。
为什么整个行业都在做套壳
做套壳，是理性的选择。拿一个预训练模型，用临床文本微调一下，几个月就能出产品。验证很简单：病历进去，摘要出来。销售话术也是现成的：“我们接入您的电子病历，让它变得更聪明。”不必为数据架构展开艰难的谈判，也不会打乱任何工作流程。
要做一个能随时间读懂健康的系统，则完全是另一回事。你得把病人跨越多年、跨越多家机构的经历完整地呈现出来；你得让临床推理建立在走向而非位置之上；你得在数百家医院验证；你还得说服医院相信，提前两年发现疾病，值得它们接受比摘要插件深得多的系统整合。
这条路更慢，更贵，还得去谈许多团队根本没有准备好去谈的事。但只有这条路，才真正对准了临床上的那块空白。
黑箱让事情更糟
大多数临床AI不只是套壳，还是黑箱。模型吞进数据，吐出结论，医生看不到中间的推理。她无法追问是哪些输入导出了这个结论，也无法对中间步骤作出自己的判断，因为根本就没有看得见的中间步骤。
实际上，临床医生对待这类输出，就像对待电子病历里成百上千条其他警报一样：先存三分怀疑，再凭训练出来的本能把它关掉。不透明的系统，使用率始终徘徊在10%到15%。系统报警，医生无视。AI一直在运行，对临床却毫无作用。
那些让医生使用率超过80%的系统，都有一个共同点：推理是看得见的。医生能看到评估的依据，也能针对其中某一部分提出异议。做不到这一点，采用就无从谈起。在自己动手做之前，我眼看着它落空了好多年。
真正的不同长什么样
一位病人，18个月里在两家医疗机构就诊，肌酐每个季度涨0.1。没有哪一个数值触发过警报，每次门诊，这个数字都“在范围内”。一个会读轨迹的系统能抓住它。医生收到的警报里，有趋势，有推算出的走向，也有标记背后的临床推理。她看过，认同，转诊肾内科，比病人越过阈值的那一天早了整整一年。
我们打造Chroneme，要抓住的就是这样的变化。我们正按照一份预先注册的方案对它进行验证，并会公布我们的发现，包括它的不足之处。
能在ICU里抓住缓慢偏移的那种智能，同样能在基层诊所里抓住缓慢偏移。能标记出心率在几周内持续走高的系统，同样能标记出A1c在几年里持续走高。架构不变，变的只是时间尺度。
一百五十亿美元。七十项许可。病人的体验，原地未动。
要等基础设施变了，它才会变。要等临床AI读的是轨迹而不是快照，要等系统把推理摆出来而不是藏起来，要等到一个人能亲眼看着自己的健康随时间变化，而不是等问题出了才被发现。
这正是我们在Chroneme要做的。