在科幻电影《降临》（Arrival）中，外星生物“七肢桶”的文字与人类不同：人类逐字写下一句话，它们落笔前就已掌握整句的结构，一笔成形。负责解读七肢桶语言的人类学者路易丝·班克斯（Louise Banks）学会这种文字后，开始用同样的方式感知时间，预见了女儿从出生到早逝的一生。
我们生活的真实世界里，用 AI 推演一个人终生的健康走向，也正从“逐字书写”转向另一种更接近全局推演的思路。
近日，斯坦福大学（Stanford University）博士后研究员应可钧联合华盛顿大学（UW）、哈佛医学院（HMS）、麻省理工学院（MIT）等机构学者，在医学预印本平台 medRxiv 发布了首个全景模态（pan-modal）人类健康世界模型 HealthFlux。
应可钧向 DeepTech 讲述了做这项研究的灵感起源，在他看来，“生命可能更像一部电影”。正如镜头外发生的事会影响下个画面，没有进入病历的生理变化和环境影响，也会改变一个人的健康进程。
用零散几帧推演连续健康状态
在 AI 疾病预测领域，此前代表性的尝试就像读句子：2025 年，德国癌症研究中心（DKFZ）团队在《自然》（Nature）发表疾病预测模型 Delphi-2M。研究人员改造了生成式预训练变换器（GPT）的架构，将国际疾病分类第十版（ICD-10）编码、年龄、性别等信息当作 Token，一个人的病史就是一句话、每次诊断是一个词，模型读完前面的词，再预测下一个。
Delphi-2M 具备强大的通用性，可以同时估算千余种疾病的风险，还能生成未来 20 年的模拟健康轨迹。但这些信息只能记录某一刻“发生了什么”，像电影里零散的几帧。而在现实中，人体是一个持续演化的物理系统，Delphi-2M 很难将它们贯通成为完整的影像。
应可钧相信，人群层面的健康模型正迎来机会。他用“沙漏”形容生物学不同尺度上的建模条件：分子一端，DNA 序列和蛋白质结构已经很接近研究对象的物理形式，于是有了谷歌 DeepMind 的蛋白质结构预测模型 AlphaFold；介于中间的细胞和器官尺度，很难被完整、动态地观察；到了人群一端，大型队列又积累了大量长期轨迹，恰好提供了长期推演所需的信息。
英国生物样本库正是最后一类资源，它在约 50 万人身上收集了病历和血液数据，并为其中部分人补充了蛋白质组、代谢组和影像数据。HealthFlux 在这批数据上开展了训练。
为将零散的帧连成电影，研究团队借用了世界模型的思路。这个概念最早用于机器人和游戏智能体：智能体在内部维护一幅关于环境的“心理图景”，用它预演接下来会发生什么，再根据真实看到的情况修正。放在人体上，这幅图景就是一个人的健康状态，血液、蛋白质、代谢物和影像都是观察它的不同角度。
（来源：medRxiv）
如何实现预测？
几乎同一时间，生物医学界也在讨论这条路该怎么走。9 月，《细胞》（Cell）刊登了哈佛医学院玛林卡·齐特尼克（Marinka Zitnik）团队撰写的观点文章《生物医学世界模型》（World Models for Biomedicine），为这类模型列出了一组要求：有一个描述系统当前情况的状态，能预测施加干预后状态如何变化，能表达不确定性，并在前瞻性实验中证明有用。
其中有两项尤其难做到。一是推演必须能一步步接下去，不能失控。模型每往前推一步，都要以上一步的预测为起点，前面的小偏差会被带进后面的计算，推得越远，误差越容易越滚越大。
二是判断干预的效果：同一个人用或不用某种药，结局会差多少。数据通常只记录用了药的一群人和没用药的另一群人。以他汀类降脂药为例，医生通常给胆固醇高、心血管风险大的人开这种药，所以在病历里，服用他汀的人心脏病发病率反而可能更高。
因此，一个只从病历中学规律的模型，很难分清这些差异有多少来自药物，有多少来自用药者原本的病情。
（来源：Cell）
HealthFlux 对这两个难题都做了回应，模型内部长期维护一个由 384 项数值描述的健康状态。没有新数据时，它按照学到的规律自行演化；血检等新数据进入后，它也能立即据此修正，再继续往后推演。
团队使用神经常微分方程（neural ODE，一种擅长处理不规则时间间隔的方法）推进该过程，模型学习健康状态在每个时刻“往哪里变、变化有多快”，沿时间积分推演状态。负责修正的部分把推演的预期与新观测相比较，再更新状态。
这种演化与修正交替进行的结构，借鉴自强化学习中的循环状态空间模型（RSSM）。病历、血液化验、近 3,000 种血浆蛋白、约 250 种代谢物、腹部和脑部磁共振成像（MRI）等 11 类数据，都以这种方式汇入同一个状态。
与逐病种训练的传统风险模型不同，HealthFlux 的核心模型在训练中从未直接学习“某人会不会得某种病”，在训练阶段，模型只预测下一条临床记录是什么、会在多久之后出现。具体的疾病风险则由另一个读取器在事后从健康状态中读出。
应可钧表示，这样做的代价是“没有标准答案”，无法直观测量完整的健康状态，模型只能从零散的局部观测中自主归纳；但好处是，模型可以掌握通用状态，并以此同时回答有关上千种疾病的问题，新检查注入后也能持续更新。
据此，模型还会输出一个健康状态指数（HSI，介于 0~1 之间，越高越健康），用于直观追踪个人健康轨迹。
例如，在测试人群中，一人在 56 岁到 70 岁之间始终无病， HSI 一直处在高位；另一人在 69 岁时首次出现多病共患，而他的 HSI 早在 55 岁就已偏低，60 岁前后又进一步下滑。模型比病历记录更早一步“看”到了身体状态的下滑。
如何证明模型学到了“健康”？
单看准确度，HealthFlux 的领先并不悬殊。
在约 6 万名未参与训练的参与者中，它对 1,010 种疾病和死亡的 5 年预测，平均受试者工作特征曲线下面积（AUROC，0.5 相当于随机猜测，1 为完全准确）为 0.832，此前表现最好的多模态模型 RisQ 为 0.805。
如果故事到此为止，它只是又一个更好一点的预测模型。但按照设计，HealthFlux 在缺乏观测值时也会继续演化。切断新数据后，模型的自主推演应该比只会“读句子”的模型撑得更久。
在实验中，研究团队从某个时间点起不再提供任何新的病历、化验或影像，让 HealthFlux 与 Delphi-2M 分别推演。
结果令人兴奋。断供 1 年时，HealthFlux 的平均 AUROC 领先 0.098；断供 5 年，领先扩大到 0.128。把推演拉到 20 年时，Delphi-2M 的 AUROC 已跌至接近随机的 0.576，HealthFlux 仍保持在 0.837。
更进一步，如果模型掌握了健康状态的一般规律，它应能预测训练中未出现过的疾病。研究团队把 1,010 种疾病分成 5 组，每次将其中一组从训练数据中彻底删除，模型从头重新训练；预测时，它只能拿到这种疾病的一段文字描述，以此查询健康状态。
在零样本条件下，HealthFlux 的平均 AUROC 依然保持在 0.783，比训练时见过这些疾病的情况仅低约 0.05。应可钧告诉 DeepTech，不同疾病之间共享可以迁移的信息，模型从其他健康记录中学到的状态，加上对目标疾病的描述，已足以支撑判断。
至于“全景模态”的价值，研究团队在个体层面找到了例证。他们选出 65 岁到 75 岁之间首次确诊高血压、而 65 岁时单一类型数据的模型判为低风险的人，整合全部数据后，HealthFlux 找回了其中 27.9% 到 55.5% 的病例。
在各类数据中，去掉蛋白质组对预测的影响最大。脑部 MRI 则给出了一个意外结果：丘脑、纹状体等深部脑结构的信息，不仅用于预测神经和精神疾病，也参与了代谢和内脏疾病的预测。“同一个人的不同测量里，可能各自包含一部分线索，把它们放在一起，才能形成更完整的判断。”应可钧说。
除了推演健康状况，模型还要回答一个更具临床价值的问题：如果在某个时刻加入一种药物，患者的生命轨迹会如何改变？
研究人员借助 HealthFlux，从同一个用药前状态出发，同时推演用药与不用药两条轨迹。在他汀类药物和降压药上，模型模拟的低密度脂蛋白（LDL）和血压下降，与参与者用药后的真实测量相符，心血管风险也随之降低。论文还列出 210 组药物与疾病的组合，模拟效果与已发表临床试验的偏差均在 18% 以内。
研究团队还在大范围筛查中模拟了 259 种药物对 1,256 种疾病的作用，发现二甲双胍带来的 10 年死亡风险降低最大，约 21%；辛伐他汀对主要疾病风险的降低最大，约 35%；氨氯地平、普萘洛尔等药物在 1,000 多种疾病上都显示出至少 5% 的风险降低。这为老药新用和健康老龄化研究提供了一批值得进一步检验的候选药物。
“镜头”之外
HealthFlux 能推演多远，取决于它见过什么样的人、拍到了哪些画面，这两方面目前都有明显的边界。
目前模型主要使用英国生物样本库的数据，该项目在 2006 年至 2010 年间招募了 40 岁到 69 岁的志愿者，约 95% 为白人。在数据多样性层面，应可钧表示，东亚人群是下一步要拓展的方向。
真正进入医疗系统时，他打算从最容易持续获取的病史和常规检查做起，先确认预测可靠，再逐项评估增加某种检测的收益，“这样也能回答一个很实际的问题：为了做出更好的健康判断，哪些数据最值得采集。”
此外，模型目前的输入中缺乏心理量表或情绪评估。模态归因分析显示，与其他疾病相比，生活方式数据在精神和行为障碍预测中的权重更高。但应可钧提醒，其中可能存在反向因果：精神问题会改变睡眠和活动习惯，模型读到的差异，可能已经是健康变化的结果。
心理问题引起的躯体症状，神经退行性疾病在发病前十几年的微弱信号，以及许多年轻人关心的长期疲劳这类“亚健康”状态，都需要更细致的症状记录、心理评估和认知随访才能开展推演。
模型生成的 HSI 评分目前没有明确的警戒阈值，暂时无法直接用于健康管理和临床决策。应可钧更看重它的走势：同一个人的 HSI 持续下降，同时某种疾病风险不断上升，就值得进一步检查；至于阈值，要结合目标人群和提醒之后准备采取的行动来确定。
应可钧对这些局限的判断是，现在模型还缺乏大量干预的因果证据和前瞻性验证，“观察性记录里，一个人接受什么治疗，本身就和他的健康状况有关。”
他设想的路径是让模型与实验互相推进：模型比较不同干预的模拟轨迹，提出值得测试的假设，帮助选择人群、指标和随访时间；实验结果再用于检验和更新模型。“模型帮助我们提出问题，实验让我们学到新的生物学。”
从衰老时钟到健康世界模型
HealthFlux 研究的是健康，而应可钧此前的工作一直在追问有关衰老的问题：随年龄出现的种种变化中，哪些值得干预？
在哈佛大学攻读博士时，他与团队在《自然-衰老》（Nature Aging）上以封面论文发表了基于因果推断的衰老时钟，尝试区分哪些变化在造成损伤、哪些是身体的适应；其间，应可钧还参与开发了 DNA 甲基化基础模型 MethylGPT。
后续，他进一步主导开发 ClockBase Agent，让 AI 智能体在 200 万份分子数据中筛选可能逆转生物学年龄的干预。从分子层面的时钟到整个人体的健康轨迹，HealthFlux 把这个问题的观察尺度推到了最大。应可钧告诉 DeepTech，MethylGPT 未来也有望接入 HealthFlux。
这项研究正在走向临床监管层面。2024 年 12 月，美国卫生高级研究计划局（ARPA-H）设立了“延长韧性的主动解决方案”计划（PROSPR），希望开发一种能获得美国食品药品监督管理局（FDA）认可的“内在能力评分”。
内在能力的概念由世界卫生组织（WHO）提出，指支撑一个人独立生活、健康老去的身体与心理能力。应可钧表示，他参与的 ARPA-H 项目正与 FDA 沟通，推动内在能力评分进入临床应用。
2027 年 1 月，他将在斯坦福大学医学院建立自己的实验室，研究方向是多尺度衰老。HealthFlux 接下来会怎样走出现有研究队列、进入日常的健康管理，又如何服务于更长远的衰老研究，应可钧在采访中谈了更多。
以下为对话节选，经编辑整理。
DeepTech：你们设想的第一个真实落地场景是什么，是药物重定位筛选、临床风险分层，还是其他方向？有没有产业化的计划或时间表？
应可钧：我觉得这里一个很现实的问题是监管。药物筛选、科研中的风险分层，以及持续的个人健康管理，都有值得探索的应用场景，它们对验证和使用方式的要求也不同。
我很期待它在健康管理中的应用：随着记录积累，模型对这个人的理解也不断更新，帮助判断哪些变化值得关注。科研端则可以用它筛选值得进一步研究的人群，或者比较候选药物的模拟轨迹。
DeepTech：HealthFlux 的连续时间架构看起来适合接入可穿戴设备这类高频数据。有没有考虑把心率、睡眠、活动量接入模型，让它从低频的医疗检测走向持续的健康管理？
应可钧：我们已经在做这件事。心率、睡眠和活动量可以补充两次医疗检查之间的观测，连续时间架构允许模型在新数据进来时更新状态。
目前最大的困难是，有这类可穿戴数据的队列，随访时间通常还比较短。我们能看到一个人连续几周、几个月的变化，却还需要把这些变化和很多年后的健康结局连接起来。所以我们正在探索迁移学习：利用 HealthFlux 已经学到的长期健康变化，再用可穿戴队列的数据微调或继续训练，让它学会利用这些新输入。
走向可用，关键是验证这些更新能提供什么信息，比如能否更早发现持续的变化，帮助使用者决定什么时候值得进一步检查。
DeepTech：现代年轻人关注的亚健康问题，比如长期疲劳、代谢指标处于正常范围但逼近边缘，这类状态在 HealthFlux 的是否有所表征？
应可钧：模型能利用诊断之外的连续指标。一个指标即使还在参考范围内，它的具体数值、变化趋势，以及与其他指标的组合，也可能为判断提供信息。年轻人的长期疲劳等状态，需要结合更细致的症状记录来研究。
这也让我越来越觉得，长期保存自己的健康数据，绝对是物有所值的。体检、睡眠、活动量，以及自己什么时候开始觉得疲劳，这些信息积累下来，就能描述一个人的变化。未来，无论用于支持科研，还是交给更好的模型来推演自己的健康，都很重要。
模型会不断进步，但过去没有记录下来的数据很难再补回来。在 AI for Science、AI for Health 的时代，我认为这可能是普通人能做的最有价值的事情之一。
DeepTech：ClockBase Agent 从已有实验数据中挖掘被遗漏的抗衰老干预，HealthFlux 模拟未来的健康轨迹和干预效果。这两个项目是什么关系，你的最终目标是什么？
应可钧：这两个项目都属于我们想做的 AI for Aging 研究。从 ClockBase Agent 到 HealthFlux，把候选干预的发现、健康过程的模拟和实验验证连接起来，是我接下来很想推进的事情。
我认为，当下有两个方向特别值得投入：一个是推动通用人工智能（AGI），甚至超级人工智能（ASI）的到来；另一个是研究那些在 ASI 到来之后，仍然具有长期价值的问题。衰老是后者中非常重要的一个。AI 的能力越强，我们用来研究衰老的工具也就越强。
我们希望发展能够大幅延长寿命的技术手段。这里有一个我们很在意的判断：当下带来小幅寿命延长的干预，与未来能实现大尺度干预的技术，可能依赖完全不同的生物学机制。这个区别可能就像黑火药和核裂变，只研究黑火药，是永远无法探索到核裂变的。我们希望借助 AI，拓展能够探索的生物学问题和干预方式，找到那些可能带来更大改变的原理。
参考内容：
https://www.medrxiv.org/content/10.64898/2026.09.19.26363460v3
https://www.cell.com/cell/fulltext/S0092-8674(26)01005-6
https://www.nature.com/articles/s41586-025-09529-3
https://arpa-h.gov/explore-funding/programs/prospr
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成
