“我建议你找内科医生给你开些抗抑郁药。”我的骨科医生曾这样告诉我。
当时我和妻子面面相觑，难以置信。我做了膝关节置换术以后，每月按时复诊，难道是为了获得精神疾病方面的建议？
在我十几岁的时候，我的膝盖就发生了病变，患上了一种名为“剥脱性骨软骨炎”的罕见疾病。这种疾病的病因目前尚不清楚，但其症状很明显。在我20岁左右准备进入医学院求学时，我的两个膝盖已经做了多次修复手术，死骨全部被锯掉了。在接下来的40多年里，我不得不逐步减少体育活动。我无法跑步、打网球，也不能徒步旅行或在椭圆机上做运动。尽管膝关节内被直接注射了类固醇和滑液，但我走路时还是会感到疼痛。最终，在62岁那年，我做了左膝盖置换术。在美国，这是一种很常见的骨科手术，大约每80万人中就有一人做过这种手术。我的骨科医生认为我非常适合做这种手术：相对年轻、体形偏瘦、身心健康。他说这项手术唯一比较大的风险是会有1%～2%的感染率。然而，我却发现了另一种风险。
术后第二天，我接受了标准的物理治疗方案，据我所知也是唯一的方案。该方案的运动强度很大，要求我积极地做屈伸动作，以避免关节中有瘢痕形成。由于无法进行有效的屈伸动作，于是我把室内踏板自行车座升高，坐在上面做踏板运动。最开始的几次尝试让我痛得直尖叫，其疼痛程度远远超出了羟考酮（一种麻醉药物）的作用范围。一个月后，我的双膝发紫，明显肿胀、僵硬，根本无法弯曲。我入睡不到一小时就会痛醒，并且常常忍不住边哭边骂起来。这就是我的骨科医生推荐我服用抗抑郁药的原因。至此，一切看上去已经很令人抓狂了，但在这之后，医生又建议我采用更高强度的物理治疗方案。可事实上，这样的治疗每次都让我感觉更加糟糕。我几乎不能依靠自己走出理疗中心，甚至无法开车回家。这可怕的疼痛、肿胀和僵硬简直挥之不去。我极度渴望这些症状能得到缓解，于是我尝试了针灸、电针、冷激光、电刺激、外用软膏和膳食补充剂（包括姜黄素、酸樱桃等）。尽管我很了解，这些治疗方案并没有任何公开的数据证明其有效，但我还是尝试了。
我的妻子也加入了我的治疗方案寻找之旅。在我术后两个月左右，她发现了一本名为《关节纤维化》（Arthrofibrosis）的书。我之前从来没有听说过“关节纤维化”这个词，但这似乎正是让我遭罪的原因。关节纤维化是膝关节置换术后的一种并发症，通常有2%～3%的患者在术后会出现。它并不常见，但比骨科医生告诉我的感染风险率要高。这本书第一页的一句话似乎精准地诠释了我的状态，“关节纤维化是一场灾难”。更准确地说，关节纤维化是膝关节置换术后的恶性炎症反应，如排斥人工关节导致严重瘢痕的形成。在术后两个月的回访中，我问骨科医生我是否患了关节纤维化，他给出了肯定的回答。然而术后第一年，医生几乎也无能为力，只能让炎症自己“烧尽”，然后再去除瘢痕组织。一想到接下来一整年都将是这种状态，并且可能还要再经历一次手术，我就越发难受了。
后来，朋友给我介绍了一位物理治疗师。这位物理治疗师从医40多年，诊治过许多剥脱性骨软骨炎患者，她知道，对于我这样的患者，常规治疗方案的治疗效果非常糟糕。常规治疗方案强制患者进行高强度的活动，最大幅度地屈伸膝关节，而事实上，这反而会刺激更多的瘢痕形成。因此，她建议我采用一种温和的方法：停止所有负重和运动，并使用抗炎药。她手写了一页使用说明，之后每隔一天发信息来询问“我们的膝盖”怎么样了。我终于得救了！我的膝盖的症状很快开始好转。虽然我的膝盖已经治疗多年，但因为恢复得太慢，现在我每天还是得把它们包扎起来。这些痛苦的折磨我本来是可以避免的。
在本书后面的章节中大家将了解到，如果有人工智能，医生就可能会预测到我手术后会出现的复杂并发症。如果经验丰富的物理治疗师，比如我刚提到的那位，愿意分享他们的数据，那么由此构成的完整文献知识库将会提示：我需要一种特殊定制的物理治疗方案。如果将这位虚拟医疗助手安装在我的智能手机或者房间里，它将直接提醒作为患者的我，接受标准物理治疗可能会带来高风险的关节纤维化；并且，它还能告诉我应该去哪里接受温和的治疗方案，从而避免之前的痛苦遭遇。事实上，当时的状况让我措手不及，而在讨论手术风险时，骨科医生甚至没有考虑我剥脱性骨软骨炎的病史。后来他也承认，这项病史就是引发后续一系列严重术后并发症的最主要因素。
当然，医疗上的大部分问题并不能通过先进的技术、算法或机器来解决。我的医生在面对我的不幸时所表现出的机械反应，就揭示了医疗护理中的不足。我的手术做得的确很顺利、很成功，但这只是其中的技术部分。骨科医生建议我服用抗抑郁药物，更加印证了美国医疗界人文关怀和共情能力长期缺失的现状。不可否认，那段时间我的确有抑郁情绪，但这不是问题的根本，问题的根本在于我真的感觉非常疼，并且像个铁皮人一样无法正常行动。我的骨科医生显然缺乏共情能力：术后几个月里，他从未主动联系过我，一次都没有问过我的状况如何。而后来那位物理治疗师不仅医学知识渊博、经验丰富，对我的病情了如指掌，而且她是真正地关心我。所以说，当开麻醉类处方变得远比倾听和理解患者更快捷、更容易时，阿片类镇痛药的流行也就不足为奇了。
几乎所有患慢性病的人，都像我一样曾被“粗暴”地对待过，这种情况太常见了。而即便我本人就在医疗系统中，都不能保证自己得到良好的照护。因此，单靠人工智能并不能解决这一问题，人类也需要加入。随着机器变得越来越智能、能够承担适当的任务，我们发现，它们更容易让医疗变得人性化。
人工智能在医学领域的应用不再只是未来主义者的一个预设，它已经被用来拯救生命了。我的好朋友斯蒂芬·金斯莫尔（Stephen Kingsmore）是一位遗传学家，他在加利福尼亚州圣迭戈的雷迪儿童医院（Rady Children's Hospital）负责一项前沿的科学项目。最近，金斯莫尔和他的团队创造了一项吉尼斯世界纪录：只需19.5小时，他们就能将血液样本的基因完全测序并解读出来。1
在此，我要提到一个案例。曾有一个由健康母乳喂养的婴儿在出生后的第三天出院回家了，但在第八天时，他的母亲将他带回了雷迪儿童医院的急诊室。婴儿出现了持续痉挛，之后被诊断为癫痫持续发作。但他没有任何感染的迹象，CT扫描显示他的大脑正常，脑电图也只显示有癫痫持续发作的信号特征。医生给婴儿用了多种强效药物，但其癫痫症状不但未得到缓解，反而更严重了。此时，婴儿痊愈的希望已经非常渺茫，很可能会出现脑损伤或脑死亡。
随后，这个婴儿的血样被送至雷迪基因组研究所，进行快速全基因组测序。该序列包含125千兆字节的数据，结果显示，他有近500万个基因组与常见基因组位置不同。通过自然语言处理的人工智能技术，在仅仅20秒的时间里，科学家就解读出这个婴儿所有的电子健康记录，并总结出88条显性特征。这一数字比医生人工总结出的条目多了接近20倍。机器学习算法迅速筛选出大约500万种遗传变异体，并找到了大约70万种罕见变异体，其中包含962种已知的致病变异体。结合婴儿的显性特征数据，该系统发现了最有可能的罪魁祸首，它隐藏在被称为ALDH7A1的基因中。这种变异非常罕见，其发病率低于0.01%，它会导致代谢异常，从而引起癫痫发作。不过，这种疾病可以通过膳食补充维生素B6和精氨酸，同时抑制赖氨酸的生成来进行治疗。随着婴儿饮食习惯的改变，他的癫痫发作很快结束了，并在36小时后出院了！在后续的随访中，这个婴儿非常健康，没有出现任何脑损伤或发育迟缓的迹象。
在这个案例中，明确致病源是挽救婴儿生命的关键。在当今世界上，很少有医院会对新生儿患者的基因组进行测序，也很少有医院会利用人工智能来综合分析患者的状态及其相应的基因组信息。尽管经验丰富的医生最终可能会找到正确的治疗方法，但机器可以比人类更快、更好地完成这项工作。