刘子栋:从临床医生到写代码,血透AI如何跨进“极端斯坦”

资讯 网易科技 作者:网易 全文 3080 字 · 约 8 分钟读完 配图 5 张

sina qqZone renren ydCloud 0

刘子栋:从临床医生到写代码,血透AI如何跨进“极端斯坦”(配图 1)

纳西姆·尼古拉斯·塔勒布在《黑天鹅》里把人类的生存与产出形态分成两类世界:一类叫“平均斯坦”,另一类叫“极端斯坦”。

“平均斯坦”的产出被生物物理法则卡死。面包师手艺再好,一天能烤多少也受烤箱容积限制;名医医术再高,一天看三十个病人是极限,五十个就透支。人靠出卖物理时间换报酬,产出被肉身牢牢锁住。

“极端斯坦”不一样:边际成本趋近于零,边际效益却能借数字网络产生指数级复利。比尔·盖茨写出一套 Windows,可以被复制数十亿次;创作者的一首乐曲,能被全球数百万人同时听到。

我在肾脏病与血液透析一线深耕了几十年,骨子里始终有个冲动:知识分子怎么冲破肉身局限,把个人认知价值发挥到极致,从“平均斯坦”跃迁到“极端斯坦”?

过去,知识分子靠写论文、出专著传承思想。可是从书信、电话到高清视讯,从 Word、PDF 到 Markdown,人类承载知识的介质一直朝着“机器友好、无损保真、具备即时计算力”的方向狂奔。很多年前我在《经观》上发表过几篇文章,预判《未来医学》会朝数字医学方向发展;十余年 AI 医疗的摸爬滚打之后,我获得了一个更激进的认知:

代码本身,就是一种活着的知识。临床医生的思维和经验,若能直接变成可自主运行的代码与智能体(Agent),那才是知识分子走进“极端斯坦”、让人类认知遗产代代相传的终极路径。

一、传统医疗软件的“失魂”之痛

这个认知,来自我研发人工智能血液透析系统时踩过的无底深坑。

血液透析在现代医学中地位很特别。我国一百多万终末期肾病(尿毒症)患者,全靠透析维持生命——每周两到三次,每次四小时,全身血液被引出体外,经过透析器清除毒素、超滤水分。这四小时里,患者的血流动力学起伏剧烈:透前体重增加,水潴留带来高血压;目标脱水定高了,会诱发难治性低血压、心绞痛甚至脑梗死;定低了,残余水分积在肺部和心包,不出数月就会发展成顽固性心衰。

顶级医生的脑子里,沉睡着成千上万个非线性的生理切片和隐性直觉(Tacit Knowledge)。几十年来,我一直想把这份直觉“软件化”,让偏远县城的透析室也能得到三甲主任级的照护。

可走传统工程路径,我经历了痛苦的“两次折射与两次衰减”:

1.第一层折射(临床直觉→需求文档):立体的动态医学辩证,被外行的产品经理降维成扁平死板的 PRD 需求文档;

2.第二层折射(需求文档→工程代码):程序员对病理生理没有体感,跨膜压在他们眼中不过一个浮点数,低血压报警不过一个布尔值。代码里漏掉一条并发症逻辑,现实中可能就是病床上的一个人命悬一线;

3.最终的恶果(死板代码→灾难体验):系统沦为披着数字外衣的“表单怪物”,辅助决策谈不上,反倒逼着医护对着屏幕狂点、反复录入。它的内部,没有医生的心跳。

刘子栋:从临床医生到写代码,血透AI如何跨进“极端斯坦”(配图 2)

传统医疗软件往往沦为冰冷的打卡机——知识在向代码转化的过程中经历了致命的失真与衰减

二、破局:认知者即构建者

真正的症结在于:拥有顶尖行业认知的人,没法与底层生产力工具(代码)直接对话。

直到大语言模型与 AI 编程技术爆发,代码生成的门槛被降到人类自然语言的维度。我做了个决定:自己来写代码。

我把 AI 编程工具直接当成自己的“外脑”和“神经手臂”,亲自敲下每一行核心业务逻辑。那一刻,困扰我十几年的“两次折射”瞬间荡然无存——因为认知者就是构建者(The Thinker is The Builder)。四十年的医学经验,被毫无信息损耗地直接编译进了底层代码。

这也让我看清了知识演进的三重境界:

- 古典时代(文本知识):知识是“死”的,印在书本里被动等待翻阅与误读;

- 数字时代(代码知识):知识是“逻辑”的,代码把经验固化为精密算式,摆脱了肉体的遗忘;

- 智能体时代(Agent 知识):知识是“活”的行动功能体。

在我们的血透AI系统里,它不再是一本静态手册,而是一位永不疲倦的“数字孪生医生”。它穿梭在数百张床位旁,实时捕捉细微扰动,在恶性事件爆发前半小时轻轻唤醒护士:“请调低超滤速度,防范低血压。”

这就是知识分子的一次“极端斯坦”式跨越:我的身体只能守着一间透析室,可认知变成代码、化作 Agent 之后,却能同时在数万台透析机旁站岗。

刘子栋:从临床医生到写代码,血透AI如何跨进“极端斯坦”(配图 3)

认知的人就是搭建的人——临床医生自己跨过工程那道坎,把四十年的医学经验亲手编译成能跑起来的数字智能体。

三、别拿 SaaS 的老算盘,去量智能体的新纪元

可当我带着这套系统走向市场时,迎面撞上的却是资本圈一脸浓重的茫然。这套系统在国内 AI 化程度最高,落地效果也极其优异。

眼下不少投资人和医疗管理者天天把 AI 挂在嘴边,到了实体产业里却找不到结合点。问题出在他们的视野被旧时代的“古典财务会计模型”锁死了:一个账号卖多少钱?一年能收几十万 SaaS 年费?下季度能带来多少看得见的利润?

他们拿着工业时代流水线的账本,去打量未来医学里的一个新物种。

由临床认知代码化锻造成的 Agent 系统,不是简单的“IT插件”。它是一场重塑商业正和博弈的生态革命,在血透领域头一回跑通了“六方共赢价值网络”:

1.患者端(生命价值):AI 做毫秒级的生理推演和精准干预,透析失衡综合征、急性心衰、严重低血压的发生率断崖式下降,患者活得明显更久,还能离开病床、回到社会、自己养活自己;

2.家属端(生产力解放):急诊住院大幅减少,每个患者背后至少有一到两名正当壮年的家庭劳动力,从没日没夜的陪护里彻底抽身出来;

3.透析中心(商业确定性):差错被智能拦下,药物和耗材的跑冒滴漏被堵住,在绝对合规的前提下人均服务床位大幅提升,换来长期而阳光的复利回报;

4.基层医疗(均质化平权):主任级决策 Agent 驻守,偏远山区二级医院的透析室一下就拥有了和三甲医院国家临床重点专科同等的质控底座,医疗资源地域分布的不公被抹平;

5.医保监管(穿透式信任):操作原生数据闭环、因果自洽,每一分医保资金流出去,都带着真实的临床获益证据;

6.宏观社会经济(卫生经济学):尿毒症患者一旦发生急性心梗或脑出血,一次抢救就要花掉十几万元甚至几十万元;若能在并发症发作前就把它拦住,国家医保因此省下的开支将是天文数字。

资本看不懂,是因为眼睛只盯在透析机旁那一小张损益表上;而认知 Agent 织成的这张网,切掉的是整个医疗体系数以万亿计的无谓损耗,还会衍生出以 AI 透析为载体、规模数百亿级的透析产业链。

刘子栋:从临床医生到写代码,血透AI如何跨进“极端斯坦”(配图 4)

跳出传统 SaaS 的零和博弈——认知 Agent 搭起的“六方共赢”医疗价值生态网络

结语:未来医学的底座,正在代码里醒来

回看历史,医学走过“古典经验医学时代”(个体经验口传心授),也走过“传统数字医学时代”(表单信息化的电子纸张)。今天,我们正式迈进了“未来智能医学时代”(Agent 时代)——临床专家的思维正被编译成有行动力、有执行力、能闭环进化的数字智能生命体。

血液透析这类复杂的动态生理博弈,代码是至今人类发明的、唯一能有效表达高维临床因果律的介质。

我们这一代医学工作者很幸运。不必再把毕生心血塞进图书馆泛黄的纸页里,等着时间把它风化;靠 AI,我们能把几十年的汗水敲成结实的代码,变成 Agent 替我们日夜守着生命。

代码,是知识在这颗星球上淬出的新肉身。而由代码搭起的自主智能体网络,一定会成为不可逆转的未来医学全新底层操作系统。

刘子栋:从临床医生到写代码,血透AI如何跨进“极端斯坦”(配图 5)

无声的守护——代码沉成智能,在一万台透析机旁守住生命的平稳与尊严

(作者系临床医学专家、人工智能血透系统研发者)

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 埃森哲报告被指15条虚假引用:AI幻觉还是编造案例?

    IT之家 11 月 8 日消息,埃森哲(Accenture)被指发布了一份充斥人工智能“幻觉”的研究报告,其中不仅包含大量虚假信息,还出现了多处疑似捏造的研究案例。 据 GPTZero 最新分析,这家咨询巨头发布的一份报告涉嫌包含 15 条虚假引用,以及完全虚构的案例研究,因此正受到外界审查。 这份名为《跨越式发展》(

    来源 AI 行业观察
  2. 埃森哲报告被指15条引用造假:AI幻觉还是编造案例?

    IT之家 11 月 8 日消息,埃森哲(Accenture)被指发布了一份充斥人工智能“幻觉”的研究报告,其中不仅包含大量虚假信息,还出现了多处疑似捏造的研究案例。据 GPTZero 最新分析,这家咨询巨头发布的一份报告涉嫌包含 15 条虚假引用,以及完全虚构的案例研究,因此正受到外界审查。这份名为《跨越式发展》(Le

    来源 腾讯网
  3. AI项目试点成功却跨部门失灵:复制粘贴为何行不通?

    试点项目在销售部跑得挺好,老板说"推到客服部去"。你以为复制粘贴就完事了,结果并不是。AI 项目复制到第二个部门,产品经理得先改这三样东西。 我做 AI 项目这几年,有个很明显的感觉:试点项目容易,规模化太难了。 几乎所有项目都是从一个部门开始试点的。选一个配合度高的部门,数据也比较干净,负责人也支持。花个半年时间把项

    来源 AI 行业观察
  4. 清华团队让韦布望远镜看得更远:AI算法从噪声里捞星星

    凌晨两点,清华大学的博士生郭钰铎突然从电脑前跳起来。算法跑通了 —— 暗弱的星星从满屏雪花点的噪声里浮现出来。他激动地给组里所有人都发了微信,没一人回他…… 但那一晚,人类能看见的宇宙悄悄变远了:他的算法,让价值 100 亿美元的韦布望远镜,看到了以前看不见的东西。 图源:果壳视频 显微镜和望远镜,是一类问题? 202

    来源 AI 行业观察
  5. AI照护助手提速,照护者的钱与睡眠谁来管

    面向家庭照护者的应用正加速引入人工智能:整理病历、提醒用药、监测异常、提供情感陪伴,管理效率显著提升。然而,照护者真正的困境——经济压力、睡眠不足、情感耗竭与社会支持缺位——并不会因一个更聪明的App而消失。本文梳理AI照护工具的进展与局限,并追问:技术之外,我们还需要什么?

    来源 AI 科技快讯
  6. Muse上线实时语音:个人AI助手为何集体挤进语音赛道

    作者|宇航猿编辑|靖宇最近这一波 Personal AI 实在太火了,我也注册了一个 Muse 体验了一下。整个体验下来,我感觉 Muse 的能力实在一般,远没到让人惊叹的地步。但奇怪的是,它确实带来了一种真切的陪伴感。这种陪伴感,甚至直接改变了我的使用习惯,让我总是忍不住想找它聊聊,哪怕只是把最琐碎的需求丢给它。就在

    来源 腾讯网
  7. 潇潇项目被裁后求职受阻:AI战争下策划如何幸存?

    落败 2025年的某天,潇潇所在的项目突然被内部评估为“赛道前景不大”,随后被取消。那是某个大厂的搜打撤项目,已经开发接近2年,潇潇在项目里担任系统及关卡负责人。项目被取消后,他需要寻找能够接纳他的新项目。 一开始,潇潇只是感到有些可惜,但觉得影响不大。毕竟当时市场上的搜打撤赛道正火热。可他没想到,当他准备寻找新项目时

    来源 AI 行业观察
向下滚动自动加载更多