一个值得追问的现象是:健康管理的工具越来越多,但“管住健康”的确定性并没有同步上升。

我国慢性病患者超过4亿,60岁以上人群中75.8%至少患有一种慢性病,慢病相关支出占GDP超过10%。与此同时,AI健康管理市场规模在2025年已达到856亿元,预计2027年增至2.59万亿元。设备更智能了,数据更多了,可健康管理最核心的那个问题——一个人距离“失稳”还有多远——仍然没有被真正回答。

问题不在技术精度,而在参照系。

当前主流的健康风险评估,无论算法多先进,绝大多数比较的是“这个人离群体均值有多远”。血压超出参考范围,血糖偏离正常区间,炎症因子高于人群分布——这些判断当然有用,但它们描述的是调控系统已经失代偿的结果。当指标“异常”时,稳态失衡往往已经持续了相当长的时间。

换句话说,精准健康管理一直在优化“预测算法”和“数据类型”,却没有把评估对象本身从“下游信号”推进到“上游状态”。一个人可能在所有临床指标上“正常”,但其细胞层面的蛋白质稳态代偿余量、氧化还原缓冲能力、线粒体功能储备已经在收窄。这些变化先于指标异常发生,却不在现有风险模型的视野之内。

细胞稳态研究提供的,正是这个缺失的观察层。细胞在面对内外扰动时,通过蛋白质质量控制、氧化还原调节、能量代谢和基因组稳定性维持功能范围。这一调控逻辑在进化上高度保守,使“稳态储备”具备成为可测量、可追踪状态变量的生物学基础。2025年入选“中国科学十大进展”的衰老干预研究,已经构建出工程化衰老抵抗细胞,并在灵长类模型中观察到多器官稳态指标的改善。这当然距离常规健康管理服务还很远,但它指向一个方向:稳态本身可以被感知,也可以被干预。

由此引出一个操作层面的关键转变:精准的参照系,应当从“群体均值”转向“个体自身基线”。

同一个血糖值,在不同个体的稳态背景下意义可能截然相反。风险分层回答的是“未来发生某结局的概率”,而稳态基线回答的是“当前偏离是否已经超出这个人的可代偿范围”。前者适用于群体筛查与资源分配,后者才真正适用于“什么时候干预、干预什么”的个体化决策。没有后者,所谓精准,本质上仍然是精细化的群体管理。

这不是要否定现有的风险模型和“早筛查、早评估、早干预”的实践。恰恰相反,它们是已经证明有效的流程基础。缺的只是在“早评估”这个环节里,增加一个此前不在场的变量:调控系统还剩多少余量,偏离发生在哪个维度,恢复速度如何。

健康管理从“风险管理”走向“稳态管理”,不需要推翻已有的一切。需要的是把“精准”二字的参照系换一换:从“比别人偏了多少”,换到“离自己的稳态基线偏了多远”。 这个转变本身不依赖任何一项新技术获批,但它决定了所有新技术最终是否指向同一个靶心。

作者:李辉 系健康管理理论研究学者 任职:北京交通大学 文化数智设计创新研究院 执行院长、 中科未来世界(北京)科技有限公司 董事长、 中科中鼎(山东)科技发展有限公司 董事长