五一假期結(jié)束，王煜全將帶來【長壽健康】專題，和大家詳細(xì)拆解預(yù)防醫(yī)學(xué)、健康管理等全新熱門企業(yè)。

　　五一假期結(jié)束，前哨科技特訓(xùn)營馬上推出「長壽健康」專題直播。王煜全將點評一系列新興企業(yè)，其中就包括熱門公司——Tempus AI：

　　本文先奉上 CEO Eric Lefkofsky 萬字專訪精華，讓你提前了解這家公司。

　　今天加入前哨科技特訓(xùn)營還有五一福利！歡迎現(xiàn)在點擊文首入口，王煜全每周四為你分享一個科技產(chǎn)業(yè)深度研究。

　　主持人:大家好，今天我們請到了 Tempus AI 的首席執(zhí)行官 (CEO) Eric Lefkofsky。他是一位在創(chuàng)業(yè)領(lǐng)域經(jīng)驗豐富的杰出運營者。

　　Eric，你能先給我們介紹一下Tempus AI 是什么，以及你當(dāng)初為什么要創(chuàng)辦它？

　　從公眾視角來看，你最引人注目的經(jīng)歷是從 Groupon （美國知名團購網(wǎng)站，美團曾經(jīng)模仿的對象）突然轉(zhuǎn)到運營一家 AI 醫(yī)療科技初創(chuàng)公司，這似乎是一個奇怪的轉(zhuǎn)變。而且它現(xiàn)在是一家非常成功且不斷發(fā)展的公司。是什么促成了這一切？

　　Eric Lefkofsky:就我而言，我在科技行業(yè)已經(jīng)很久了，大概是在 1999 年進入的。我建立了一系列科技公司，有趣的是，這些公司都是將技術(shù)應(yīng)用于那些歷史上技術(shù)含量不高的領(lǐng)域。

　　我們曾將技術(shù)用于印刷、交通物流（比PG電子網(wǎng)站如卡車調(diào)度）、媒體購買等，這些領(lǐng)域都相當(dāng)陳舊。我們積累了構(gòu)建 半人工、半自動化混合系統(tǒng) 的專業(yè)知識，提高了市場效率。

　　當(dāng) Groupon 出現(xiàn)時，我們也試圖將一種不同的技術(shù)——引爆點技術(shù) (Tipping Point technology)——應(yīng)用于本地小商戶，比如披薩店或干洗店。

　　我從未想過會進入醫(yī)療保健領(lǐng)域。但大約十年前，我的妻子被診斷出患有乳腺癌。在陪她治療的過程中，我驚訝地發(fā)現(xiàn)，技術(shù)在她所接受的護理中應(yīng)用得如此之少。我原本以為非常復(fù)雜的流程，從技術(shù)、數(shù)據(jù)和 AI 的角度看，實際上卻非常陳舊。

　　“我的整個職業(yè)生涯似乎都在為這一刻做準(zhǔn)備——將技術(shù)應(yīng)用于醫(yī)療保健這個最需要它的領(lǐng)域?！?/p>

　　所以，我當(dāng)時有了一個頓悟：我的整個職業(yè)生涯以及所學(xué)的技能，似乎就是為醫(yī)療保健準(zhǔn)備的。于是我做了一個重大的轉(zhuǎn)變，開始沉浸在 腫瘤學(xué) (oncology) 領(lǐng)域，至今如此。

　　主持人:那是多久以前的事了？Tempus AI 是什么時候開始的？現(xiàn)在發(fā)展到什么階段了？

　　最初，我們的焦點更窄，主要是想弄清楚如何通過連接 下一代測序 (NGS) 或 基因組 (genomic) 測試與患者的臨床數(shù)據(jù)，讓診斷變得更智能。

　　我妻子治療時接受了基因測序，但報告回來時，竟然不知道她的性別、用藥史、甚至是否有資格參加臨床試驗。對于所謂的 個性化醫(yī)療 (personalized medicine) 來說，那是一個 極度缺乏個性化的報告。

　　于是我們著手連接這些數(shù)據(jù)點。起初，我以為我們會構(gòu)建一個智能層，疊加在其他公司的測序服務(wù)之上。

　　但我去找那些公司時，沒有人愿意給我們分子數(shù)據(jù) (molecular data)，他們拒絕分享，甚至不給訂購測試的醫(yī)院和醫(yī)生。數(shù)據(jù)被鎖起來了。

　　這反而為我們打開了市場入口。我們開始自己進行測序，從腫瘤學(xué)起步，現(xiàn)在這仍然是我們的根基。

　　大約五六年前，我們意識到這個平臺——能讓診斷測試智能化的平臺——不僅適用于癌癥，同樣適用于心臟病學(xué) (cardiology)、神經(jīng)病學(xué) (neurology)、免疫學(xué) (Immunology) 等眾多領(lǐng)域。只要存在多種 治療路徑 (Therapeutic Pathways)，我們就能幫助醫(yī)生做出數(shù)據(jù)驅(qū)動的決策。

　　主持人:我對你 從技術(shù)領(lǐng)域跨越到生物 (bio) 領(lǐng)域的歷程 非常感興趣。在這個過程中，你是否反思過，生物產(chǎn)業(yè)可以從科技行業(yè)中學(xué)到什么？

　　Eric Lefkofsky:所有方面。即使在今天，生物領(lǐng)域的人們雖然技術(shù)精湛，但他們精通的技術(shù)與當(dāng)前 AI 驅(qū)動變革所需的技術(shù)往往不同。

　　生物領(lǐng)域的現(xiàn)狀有點像一個手工造車的工匠，很難接受 3D 打印汽車的世界。

　　第一步是認(rèn)識到這一點，然后去尋找專家，建立橋梁。這也是 Tempus AI 賴以生存的方式。

　　“我總是說：‘各司其職’ (Swim in your own lane)。我不希望軟件工程師假裝是醫(yī)生，反之亦然?！?/p>

　　Tempus AI 的神奇之處在于我們多元化的團隊。最近的收購?fù)瓿珊螅覀儗⒔咏?4000 人，包括 300 名博士，數(shù)千名軟件工程師、AI 科學(xué)家和支持人員。

　　主持人:“各司其職”這個角度很有趣。業(yè)界常說要培養(yǎng)“雙語”人才，既懂技術(shù)又懂生物。你認(rèn)為未來是 培養(yǎng)更多跨界人才，還是建立高效的溝通協(xié)作機制更重要？

　　Eric Lefkofsky:坦率地說，我認(rèn)為當(dāng)前的醫(yī)療體系存在太多阻礙進步的環(huán)節(jié)。如果讓我設(shè)計一個處處碰壁的生態(tài)系統(tǒng)，我會直接拿出 美國醫(yī)療保健系統(tǒng) (US Healthcare System)。它的復(fù)雜性簡直是為了摧毀進步而精心設(shè)計的。

　　這個系統(tǒng)很難從內(nèi)部自我修復(fù)。它的激勵機制本身就不利于大規(guī)模采用新技術(shù)。學(xué)術(shù)界追求發(fā)表和經(jīng)費，生物制藥 (biofarma) 追求專利期內(nèi)的利潤最大化，支付方 (payers) 的決策也異常復(fù)雜。

　　然而，解決醫(yī)療成本飆升（美國已達 5 萬億美元且持續(xù)增長）的唯一出路，就是技術(shù)和 AI。

　　所以我認(rèn)為，這需要像 Tempus AI 這樣的外部力量。我們有不同的激勵機制和經(jīng)濟模型，能夠以全新的視角，進行巨大的技術(shù)投資，構(gòu)建真正能幫助所有參與者——藥企、醫(yī)生、患者——提高效率的產(chǎn)品。

　　主持人 :醫(yī)療系統(tǒng)問題由來已久，很多創(chuàng)新公司都曾嘗試挑戰(zhàn)但失敗了。Tempus AI 不得不進行 垂直整合 (vertically integrate) 才得以進入市場。

　　你們?nèi)绾卧诔錆M扭曲激勵的生態(tài)中找到自己的位置并成功？ 特別是現(xiàn)在還推出了面向消費者的 AI 應(yīng)用 (AI app) Olivia，這背后的戰(zhàn)略考量是什么？

　　如何實現(xiàn)？診斷必須了解患者，并圍繞患者進行個性化調(diào)整。哪些診斷？所有的診斷：血液檢測、CT 掃描、MRI、乳房 X 光檢查、基因組測試等等。我希望每一個診斷輸入都是智能的、經(jīng)過背景化處理的。

　　因為診斷是所有重大醫(yī)療決策的核心。我們希望這個過程超級智能。但這需要實時 協(xié)調(diào) (harmonize) 和 規(guī)范化 (normalize) 海量的醫(yī)療數(shù)據(jù)，成本極高。

　　我們的方法是 構(gòu)建一系列可持續(xù)的“拼圖塊”產(chǎn)品，讓它們最終能拼出完整的藍(lán)圖。

　　然后思考，這些與臨床數(shù)據(jù)結(jié)合的豐富分子數(shù)據(jù)，對誰有價值？生物制藥公司。于是我們開發(fā)了他們需要的產(chǎn)品，讓他們投資我們的數(shù)據(jù)平臺，維持整個事業(yè)。

　　接下來，利用實時流動的基因組和臨床數(shù)據(jù)管道，我們還能疊加什么業(yè)務(wù)？比如，幫助患者匹配臨床試驗？彌補 護理差距 (care gaps)？提供有償?shù)乃惴ǘ匆姡?/p>

　　每一個業(yè)務(wù)都是一塊拼圖，最終目標(biāo)是產(chǎn)生足夠的收入和現(xiàn)金流，反哺整個生態(tài)。

　　大部分毛利都將 重新投資于產(chǎn)品、工程、科學(xué)研究。這意味著我們每年能投入 5 億、6 億甚至未來 10 億美元用于持續(xù)增長。

　　“偉大的企業(yè)都有一個持續(xù)自我投資的飛輪。我們希望 Tempus AI 也能如此?！?/p>

　　看看谷歌，他們每年在改進搜索上的投入，可能是 NIH (美國國立衛(wèi)生研究院) 全部預(yù)算的兩倍。這就是為什么搜索如此強大。醫(yī)療領(lǐng)域也需要這樣的投資飛輪。

　　主持人 :在 AI 方面，你們是自建模型還是利用外部技術(shù)？比如 Olivia 應(yīng)用背后的語言模型，是自研的嗎？Tempus AI 的核心競爭力更多在于 開發(fā)獨特的 AI 系統(tǒng)，還是在于連接生物信息與現(xiàn)有 AI 技術(shù)？

　　但我們不會重復(fù)造輪子。對于已經(jīng)很成熟、商品化 (commoditized) 的底層技術(shù)，比如 光學(xué)字符識別 (OCR)，我們會采用現(xiàn)有的。

　　對 大型語言模型 (LLM)，我們也持類似看法。無論是 Gemini、Llama 還是 GPT-4，現(xiàn)在有很多強大、低成本、高 保真度 (fidelPG電子網(wǎng)站ity) 的模型可用。

　　因此，我們更專注于構(gòu)建 “代理構(gòu)建器” (Agent Builder)。我們內(nèi)部可能已構(gòu)建了近千個 AI 代理 (Agent)，它們擅長利用現(xiàn)有大模型處理 多模態(tài) (multimodal) 的醫(yī)療保健數(shù)據(jù)——這些數(shù)據(jù)與大模型的訓(xùn)練數(shù)據(jù)截然不同。

　　你不能直接給大模型扔一個 DICOM 文件 (醫(yī)學(xué)數(shù)字成像和通信標(biāo)準(zhǔn)文件)、心電圖 (electrocardiogram) 原始波形或 BAM 文件 (二進制比對/圖譜文件)，然后問它“這是什么意思？” 它無法理解。

　　當(dāng)然，對于某些特定數(shù)據(jù)類型，現(xiàn)有模型可能完全不適用，我們可能需要構(gòu)建一些更小、更專注的模型。但總的來說，我們廣泛應(yīng)用各家的大模型，并且它們還在持續(xù)進步。

　　主持人:Eric，你認(rèn)為多模態(tài) (multimodality) AI 將帶來的最大突破是什么？這會是醫(yī)療領(lǐng)域的“ChatGPT 時刻”嗎？

　　Eric Lefkofsky:有幾個巨大的突破。最大的突破在于真正實現(xiàn)個體化的結(jié)果預(yù)測。未來一到三年內(nèi)，借助強大的模型和計算能力，我們將能夠基于海量的分子數(shù)據(jù)，精確預(yù)測特定個體對特定治療的反應(yīng)。

　　而真正的精準(zhǔn)是：即使兩個人患有 表型 (phenotypically) 完全相同的疾病，他們的治療方案也可能因為分子數(shù)據(jù)的差異而截然不同。這將適用于腫瘤學(xué)，也適用于 糖尿病 (diabetes)、心血管疾病 (cardiovascular disease) 等等。

　　第二個突破是疾病的早期預(yù)測和干預(yù)。當(dāng)我們將 病理切片 (pathology slides)、影像掃描 (scans) 等 多模態(tài) (data modalities) 數(shù)據(jù)輸入模型時，AI 可能會以預(yù)測性的方式發(fā)現(xiàn)問題，讓我們 在疾病發(fā)生之前就進行干預(yù)。

　　想象一下：你的 A1C (糖化血紅蛋白) 指標(biāo)正常，但結(jié)合你幾年前的 視網(wǎng)膜掃描 (retinal scan) 和其他數(shù)據(jù)，AI 告訴你：“你將在 3 年內(nèi)患上嚴(yán)重 2 型糖尿病?！?這將徹底改變預(yù)防醫(yī)學(xué)。

　　Eric Lefkofsky:首先，模型本身在不斷進步，幻覺問題已經(jīng)在大幅減少。

　　其次，也是更重要的，我們從不提倡一個沒有人類參與的系統(tǒng)。就像飛機有 自動駕駛 (autopilot)，但我們?nèi)匀恍枰w行員一樣。

　　“無論 AI 系統(tǒng)未來多么先進，我仍然希望有醫(yī)生最終確認(rèn)并按下‘執(zhí)行’按鈕。”

　　未來幾十年內(nèi)，醫(yī)生在診療過程中的核心地位不會改變。AI 的角色是 增強人類 (augmented human)，而不是取代。

　　主持人 :是的，就像 放射學(xué) (Radiology) 一樣。五年前有人說 圖像分類 (image classification) 會讓 放射科醫(yī)生 (Radiologists) 失業(yè)，但事實是 AI 可以處理大量簡單重復(fù)的工作，讓醫(yī)生能專注于更復(fù)雜、更需要經(jīng)驗判斷的病例。

　　DeepMind 關(guān)于自動乳房 X 光片解讀的研究也很有趣。你可以調(diào)整 AI 的 靈敏度 (sensitivity)（檢測真陽性）和 特異性 (specificity)（排除假陽性）。通過 人機協(xié)作，比如讓 AI 以高靈敏度篩查（可能產(chǎn)生一些假陽性），再由人類醫(yī)生復(fù)核，最終能得到比任何一方單獨工作都更準(zhǔn)確、更高效的結(jié)果。Tempus AI 似乎正在將這種模式產(chǎn)業(yè)化。

　　Eric Lefkofsky:完全正確。當(dāng)你面對一個原本效率低下（比如 30-50% 的低效）的系統(tǒng)時，AI 帶來的改進潛力是巨大的。

　　舉個例子：GPS 的出現(xiàn)消除了我們開車迷路的情況，節(jié)省了無數(shù)時間和燃油。但路上的車并沒有因此變少，油價也沒有下降。效率提升被其他因素（如更多車輛、更長出行距離）吸收了。

　　醫(yī)療領(lǐng)域也會類似。AI 帶來的效率提升，可能不會立刻導(dǎo)致醫(yī)生或護士數(shù)量減少——我敢保證十年后護士依然短缺。

　　但技術(shù)的持續(xù)改進能讓醫(yī)療系統(tǒng)在現(xiàn)有開支下服務(wù)更多人、提供更高質(zhì)量的護理、延長人們的健康壽命，從而有效降低醫(yī)療開支占 GDP 的比重，或者實現(xiàn)真正的成本節(jié)約。

　　主持人 :業(yè)界一直有種說法：診斷市場沒有錢賺，因為技術(shù)容易商品化。尤其在腫瘤學(xué)之外的領(lǐng)域。你如何看待這個觀點？Tempus AI 如何在診斷領(lǐng)域建立可持續(xù)的業(yè)務(wù)？腫瘤學(xué)是否具有特殊性？

　　Eric Lefkofsky:我認(rèn)為其他領(lǐng)域的挑戰(zhàn)性可能與腫瘤學(xué)相當(dāng)，甚至更小，因為腫瘤學(xué)的探索會為其他領(lǐng)域鋪路。

　　關(guān)于“診斷沒錢賺”的說法，這就像特斯拉 (Tesla) 出現(xiàn)之前說“造車沒錢賺”一樣。當(dāng) 技術(shù)范式轉(zhuǎn)變 (technology Paradigm Shift) 發(fā)生時，全新的商業(yè)機遇就會涌現(xiàn)。

　　Netflix 顛覆了 Blockbuster，特斯拉顛覆了傳統(tǒng)汽車。我敢打賭，你會看到萬億美元市值的診斷公司出現(xiàn)。

　　為什么？因為診斷是所有重大醫(yī)療決策的核心。掌握診斷洞察力的公司，為什么要把價值拱手讓人？它們完全有潛力成為提供核心價值的主導(dǎo)者。

　　歷史上一些診斷公司可能因為固守低技術(shù)、高批量的模式而未能抓住變革機遇，但這并不代表整個領(lǐng)域沒有未來。

　　主持人:診斷技術(shù)本身也變得越來越復(fù)雜，比如 MRD (微小殘留病灶) 檢測、早篩 (early detection) 技術(shù)、表觀遺傳 (epigenetic) 信號分析等，這使得它們更難被商品化。

　　Eric Lefkofsky:沒錯。當(dāng)我們收購 Ambry（一家基因檢測公司）時，很多人質(zhì)疑 遺傳性檢測 (hereditary testing) 是不是也商品化了，是不是夕陽產(chǎn)業(yè)。

　　我的看法完全不同。目前在美國，接受全基因組 (whole genome) 或 全外顯子組 (whole exome) 等大型遺傳檢測的人口比例極低。

　　想象一下，通過基因數(shù)據(jù)，AI 可以告訴你未來患上 房顫 (APIB) 或 早發(fā)性癡呆 (early onset dementia) 的風(fēng)險。你肯定想知道，并采取預(yù)防措施。

　　生病后，這些數(shù)據(jù)還能反復(fù)利用，指導(dǎo)用藥，比如判斷你對某種藥物的代謝情況，是需要加倍劑量還是減半。

　　這就是我們選擇從分子數(shù)據(jù)入手的原因：沒有分子數(shù)據(jù)，就不可能真正實現(xiàn)智能診斷。這就像特斯拉造電動車不能沒有電池。

　　主持人 :AI 技術(shù)的性價比 (cost per performance) 正以遠(yuǎn)超 摩爾定律 (Moores law) 的速度提升。你們?nèi)绾卧谶@種技術(shù)爆炸式發(fā)展的基礎(chǔ)上制定商業(yè)計劃和產(chǎn)品策略？

　　幾年前，我們運行一個小的 AI 代理查詢可能要花費 270 萬美元，這在當(dāng)時是不可承受的。而現(xiàn)在，同樣的查詢可能只需要幾千美元，成本下降了成百上千倍。

　　但要實現(xiàn)我們的最終目標(biāo)——實時背景化所有診斷，為每個人提供最優(yōu)治療路徑——所需的計算規(guī)模將是難以想象的。這需要對整個醫(yī)療系統(tǒng)的實時數(shù)據(jù)進行持續(xù)計算。

　　我們和我們的 云 (Cloud) 合作伙伴（如谷歌、微軟）正在為此進行規(guī)劃和準(zhǔn)備。這將是一個巨大的挑戰(zhàn)，但也蘊藏著巨大的機遇。

　　主持人:我們來談?wù)?Olivia 應(yīng)用。我知道它的命名背后有一個感人的個人故事。能否分享一下開發(fā) Olivia 的初衷，以及它未來的發(fā)展路線圖？

　　Eric Lefkofsky:Olivia 是為了紀(jì)念我女兒一位因病去世的朋友。她的經(jīng)歷，以及許多患者和家屬的經(jīng)歷，都凸顯了管理復(fù)雜醫(yī)療過程的巨大痛苦。協(xié)調(diào)多個醫(yī)生、管理各種檢查報告和影像資料，對普通人來說極其困難。

　　Tempus AI 花費了數(shù)十億美元構(gòu)建理解多模態(tài)、混亂醫(yī)療數(shù)據(jù)的技術(shù)。我們想，為什么不把這些工具也交給患者呢？

　　Olivia 的目標(biāo)是讓患者能輕松獲取并管理自己 所有的 健康數(shù)據(jù)，不僅僅是電子病歷 (EHR) 里的結(jié)構(gòu)化信息，而是全部。這樣無論你是想轉(zhuǎn)診、尋求第二診療意見，還是僅僅想存檔，所有資料都在你的掌控之中。

　　更重要的是，你可以向 Olivia 提問。隨著模型越來越智能，你能問的問題、能得到的幫助也會越來越多。我們希望患者能被信息充分賦能。

　　“我經(jīng)常提醒醫(yī)院：真正的‘信息海嘯’正以小行星撞地球的速度逼近，所有機構(gòu)都該提前準(zhǔn)備?！?/p>

　　我一直認(rèn)為，一場“信息海嘯”即將來臨。過去，患者走進診室往往信息匱乏，完全依賴醫(yī)生。

　　未來，患者走進診室時，可能已經(jīng)像是咨詢了全球 100 位頂尖專家，對自己的病情和治療方案有了深入的了解，甚至準(zhǔn)備好了關(guān)鍵問題。

　　最終，患者將擁有強大的 AI 工具。我們堅信，信息的自由流動對所有人都有益：支付方能為正確的治療買單，藥企能更高效地研發(fā)，好醫(yī)生能變得更卓越，患者能全面掌握自己的健康。

　　唯一會在這個浪潮中受損的，是那些拒絕擁抱技術(shù)、固步自封的人。就像 2000 年時那些認(rèn)為互聯(lián)網(wǎng)只是一時風(fēng)尚 (fad) 的 CEO，他們的企業(yè)后來大多表現(xiàn)不佳。我們希望醫(yī)療保健領(lǐng)域的每個人都能擁抱變革，走在前面。

　　Eric Lefkofsky:是的，我們正在逐步開放注冊。由于初期申請人數(shù)眾多，我們設(shè)置了一個等待名單，并提供 14 天免費試用（正常月費約 12 美元）。預(yù)計很快所有等待用戶都能開始使用。

　　主持人 :作為患者或家屬，確實能感受到 AI 工具帶來的巨大差異。以前在谷歌上搜索癥狀，很容易被引向恐慌（比如 WebMD 說你可能得了癌癥）?，F(xiàn)在，即使只是把 電子病歷 (EHR) 的部分信息復(fù)制到 ChatGPT 里提問，得到的答案也可能有用得多。

　　但目前的痛點是信息不完整、輸入麻煩。Olivia 似乎解決了這個問題，將完整的患者數(shù)據(jù)與智能模型結(jié)合，這是否會催化一個更加以消費者為驅(qū)動的醫(yī)療決策體系？

　　我認(rèn)為，未來的醫(yī)療信息交互需要一種新的模式。谷歌有常規(guī)搜索和 無痕模式 (Incognito)。醫(yī)療領(lǐng)域需要第三種模式：“你了解關(guān)于我的一切” 模式。

　　“我希望 AI 能基于我完整的醫(yī)療記錄，提供完全個性化的答案，而不是通用的建議?！?/p>

　　當(dāng)我向 AI 提問時，我不想要通用答案。我希望它能結(jié)合我的全部健康數(shù)據(jù)、用藥史、過敏史等等，給出真正個性化的建議。比如，如果它知道我在服用某種藥物，就不該推薦可能與之沖突的東西。

　　大型科技公司在處理 受保護健康信息 (PHI) 方面可能面臨隱私等挑戰(zhàn)。這或許給像 Tempus AI 這樣專注于醫(yī)療領(lǐng)域、愿意與患者建立深度信任關(guān)系的公司帶來了機會。

　　最終，我相信每個人都需要能夠以完全身份化、個性化的方式與自己的 AI 健康代理進行交互。

　　主持人:感謝 Eric 的精彩分享！最后，請展望一下未來十年。你認(rèn)為在個人的健康旅程中，將會發(fā)生的最大單一變化是什么？ 是什么現(xiàn)在還不存在，但未來會深刻影響我們，甚至超出市場預(yù)期的？

　　Eric Lefkofsky:最大的變化將是醫(yī)療差錯率的大幅降低，甚至趨近于零。

　　當(dāng)前的醫(yī)療系統(tǒng)，盡管有很多優(yōu)點，但也產(chǎn)生了驚人的錯誤率。有研究指出，可能高達四分之一的醫(yī)療決策是錯誤的，這會給患者和整個系統(tǒng)帶來災(zāi)難性后果。

　　我相信，在未來十年內(nèi)，借助 AI 的力量，這種情況將基本消失。重大醫(yī)療失誤將變得非常罕見。

　　在一個沒有錯誤的系統(tǒng)里，人們總能在正確的時間、以正確的劑量、獲得正確的治療。這將直接轉(zhuǎn)化為 壽命 (longevity) 的顯著提高。

　　“我認(rèn)為未來 10-20 年，人類的平均壽命有望延長 3 到 5 年?！?/p>

　　你可能會看到平均壽命延長 3 到 5 年。這不是一個小數(shù)字，你會真切地感受到它對社會經(jīng)濟各方面的影響。人們將活得更長壽、更健康。

　　下一個緊隨其后的重大變化，將是疾病的精準(zhǔn)預(yù)測和預(yù)防。我們將在問題發(fā)生之前就發(fā)現(xiàn)并避免它們。這個領(lǐng)域雖然早期有過波折，但就像基因測序一樣，技術(shù)需要時間成熟。未來 10 到 20 年，我們將非常擅長預(yù)測并規(guī)避許多健康風(fēng)險。

　　主持人:非常感謝 Eric！我們很早就認(rèn)識，很高興看到 Tempus AI 取得的巨大進展，也無比期待你們?yōu)榛颊邉?chuàng)造的未來。