机制级AI到底指什么：从一份营养方案的生成过程看

把信息、推演、剂量与审核几道工序拆开看

柏霖智生 · GenoMind AI｜品牌专题

一份被退回的方案

一位在营养科工作的同行讲过一件事。他们收到一份外送的个体化方案，退回的理由不是成分写错，也不是剂量超范围，而是整份文件里找不到一句话说明「为什么是他」。审方案的人说，这份东西换给任何一个同病的人都能用，那就没有存在的必要。

这类方案有一个共同特征：建议都对，但都对得很泛。少油少盐、多吃蔬菜、补充优质蛋白、适量运动，四条放之四海而皆准。问题不在于它们错，而在于它们答不出三个具体问题——先改哪一条、改到什么程度、这个人身上哪一条最容易出问题。

「机制级」这个词就是被用来区分这件事的。它不指检测项目多，也不指模型参数大，指的是这套系统能不能沿着一条生物学链条，说清你的指标为什么长这样、某个成分作用在哪一步、两件事会不会撞车。说得出，才叫机制级；说不出，只是把话说得更长。

还有一个常见的混淆是把机制级和检测多当成一回事。加做几项组学检测，只是多拿到几列数字；这些数字能不能被翻译成身体里的状态、能不能和正在吃的药对上，是另一回事。数据多而没有解释，方案只会更长，不会更准。

下面用一份假设的方案，把生成过程拆成几道工序。拆完之后，你大概能判断手上那份建议究竟走到了哪一步，也能知道该向对方追问什么。

先把机制和规则分开

大部分营养建议来自规则：某个指标高，就给一条对应的限制。尿酸高就少吃嘌呤，血脂高就少碰油，血糖高就避开甜食。规则的好处是快、稳定、不容易出错；坏处是它只知道这个指标高，不知道它为什么高。

举一个具体的例子：血尿酸偏高。规则给出的第一条往往是限制高嘌呤食物，动物内脏、浓汤、部分海鲜。这条建议没错，但它的作用常被高估。体内尿酸大部分由自身代谢产生，而真正把数值推上去的，常常是酒精、含果糖饮料，以及体重和胰岛素抵抗。

机制推演会从这里往下走一层：这个人的尿酸升高，是肾脏排泄减少，还是生成过多；他有没有在用利尿剂，这类药会减少尿酸排出；他的腰围和体重处在什么位置，胰岛素抵抗是否明显。三种成因对应三种不同的第一动作，规则给不出这个区分。

差别不在结论的新鲜程度，而在结论的针对性。少嘌呤是一条人人都能说的建议；把每天两杯果汁停掉、同时和医生确认利尿剂有没有替代方案，才是写给这个人的。

这里不是要否定规则。规则是底线，能拦住明显的错误，也方便大规模执行。问题出在把底线当成全部：一个只会用规则的系统，遇到规则没覆盖到的情况，往往会挑一条最接近的套上去，而不会告诉你它套得勉强。

一份方案要过几道工序

第一道是把散落的信息收拢：诊断、正在吃的药、最近的检验、身高体重腰围、平时怎么吃、有没有忌口和过敏。这堆东西如果不放在同一张表上，后面的推演就没有起点，只能凭印象。

第二道是把异常指标翻译成身体里的状态。转氨酶偏高不只意味着肝有事，它可能指向脂肪在肝细胞里堆积，也可能指向饮酒或某些药物的影响；甘油三酯高常和精制碳水、酒精、体重同时出现。翻译得准不准，决定后面所有建议的方向。

第三道是列候选：哪些食物成分、哪些营养素、哪些剂量区间，作用在这条通路上。第四道是筛查：候选里的每一样，和他正在吃的药、他的肝肾功能、他另外几个指标，会不会冲突。第五道才是写成能执行的话——吃什么、吃多少、什么时候吃、先做哪一条。

五道工序里最容易被跳过的是第四道。它不产出漂亮的内容，只产出「不建议」和「注意」。而一份方案的价值，很多时候恰恰在它删掉了什么、拦住了什么。

还有一个顺序问题：很多人习惯先想吃什么，再想该不该吃。专业流程是反过来的，先划出不能碰的边界，再在边界里挑。边界不清的方案，哪怕成分选得再讲究，也只是把风险藏在了后面。

几个特别容易被单向理解的指标

铁蛋白偏高，很多人的第一反应是铁吃多了。其实炎症、脂肪肝、饮酒都可能把它推高，铁蛋白同时也是一种急性期反应蛋白。方向搞反，补铁和忌铁会走向完全相反的两条路，而这两条路的代价都不小。

维生素D偏低也常有误解。它是脂溶性的，会在脂肪组织里存留，体重较大的人往往需要更长的周期才能把水平抬起来；而一味加大剂量，又可能在某一步越过安全边界，尤其是同时还在吃含维生素D的复方产品时。

同型半胱氨酸偏高常被直接归到缺叶酸。它确实与叶酸、维生素B12、维生素B6的代谢有关，但也受肾功能和某些药物影响。不区分原因就长期大剂量补叶酸，可能把B12缺乏的信号遮住，神经系统的损伤反而被延误。

这类误读的共同点是把指标当成结论，而不是当成线索。指标只说明某处偏离了常见范围，偏离的原因要从用药、器官功能、饮食和生活史里去找。找原因这一步，正是规则式建议最容易省掉的一步。

还有一类误读来自参考区间的边界。同一个数值，在不同实验室、不同检测方法下可能被标成正常或异常，卡在线上的人尤其容易被一句偏高或偏低带跑。看趋势、看同一家实验室的连续结果，比看一次箭头更有意义。

假设情境：一份方案怎么长出来

下面是一个假设情境，用来演示工序，不是真实案例。四十五岁男性，体检报告上甘油三酯三点一、尿酸四百八十、谷丙转氨酶六十八，腰围九十六厘米，体重八十二公斤。他有高血压，每天吃一种含利尿成分的降压药，自己觉得身体没什么不舒服。

信息收拢之后，第一件被标出来的事不是血脂，而是那个利尿剂。这类药会减少尿酸排泄，也就是说，他的尿酸偏高有一部分来自正在吃的药。这一条靠饮食解决不了，需要回到开药的医生那里讨论，而不是在食谱上做文章。

第二件事是饮酒和饮料。他说应酬一周两三次，平时不喝碳酸饮料，但喜欢喝果汁，一天两杯。果糖在肝脏代谢时会消耗能量分子并促进尿酸生成，这一条比少吃海鲜更贴近他的实际情况，也更可能在一两个月内看到变化。

第三件事才是吃。方案没有给他一张长长的忌口单，而是定了三条：果汁换成整颗水果、应酬当天另外两餐不额外加主食、每周有三天走够四十分钟。补剂一栏是空的，因为在他的肝功能和尿酸水平下，没有哪一样是非加不可的。

这份方案里最像什么都没做的部分，其实最费工夫：把利尿剂那条挑出来、把果汁那条排到第一位、把补剂栏留空。三件事都需要有人对着他的信息做判断，而不是套一份模板。

剂量、时间、顺序：机制最终要落到参数上

机制讲到最后，必须落到三个具体参数上：多少、什么时候、和什么一起吃。只说到补充钙，不算方案；说到碳酸钙五百毫克、随餐、与左甲状腺素间隔四小时，才算。

为什么时间这么要紧。钙、铁、镁、锌在肠道里共用一部分转运通道，同时大量摄入会互相挤占，吸收率一起下降。有些药物对金属离子敏感，同服会形成难吸收的复合物，药和营养素两头都吃亏，而人只会觉得吃了没用。

顺序也有讲究。一顿饭里先吃什么后吃什么，会影响餐后血糖上升的速度；把蔬菜和蛋白质放在主食之前，同样的饭菜，血糖曲线的形状并不一样。这类细节不额外花钱，只需要有人告诉你先伸筷子夹哪一样。

这些参数不是靠经验攒出来的，它们来自吸收动力学和代谢通路的知识。一份方案如果只写成分不写参数，执行的人只能自己猜，而猜错的比例不会低。

同一成分的不同形式也属于参数。碳酸钙需要胃酸参与分解，胃酸分泌少的人随餐服用才合适；柠檬酸钙对胃酸依赖小，可以空腹。形式选错，剂量够也吸收不了，而这类差别不会写在产品的宣传语上。

机制推演能做什么，不能做什么

能做的事有三件：把散落的信息整理成能读的结构，指出可能冲突的组合，给出有生物学依据的候选方案。这三件事过去靠人做，做得慢，水平也不稳定，换一个人就换一套标准。

不能做的事同样要说清。机制推演说明的是这条路在生物学上讲得通，它不证明你吃下去一定有效果。通路成立和结局改善之间，隔着剂量、时长、依从性和个体差异，最后一公里只能靠随访去观察，而不是靠推演去断言。

它也不能替代医生对诊断的判断。转氨酶升高可能的原因有十几种，系统能列出可能性，能提示还需要补哪项检查，但不能替你决定要不要做进一步的有创检查。

还有一层限制来自输入本身。信息填得含糊，推演出来的东西就只是「一个典型病例的方案」，而不是你的。系统再聪明，也无法知道你没告诉它的事，所以信息采集那一步的质量，决定了整份方案的上限。

把这两边分清楚，使用者的期待才不会错位。机制级的价值在于让建议可解释、可审核、可修正，而不在于给出一句不容置疑的结论。反过来说，一份只有结论没有前提的方案，跑得再快，也只能替你做决定，不能帮你做判断。

读者常问的几个问题

问：没有做基因检测，能不能用这类方法？答：能。常规检验、用药记录、体型和饮食习惯已经能支撑大部分判断。基因信息主要影响少数代谢通路的剂量参考，属于加分项，不是入场券。

问：推演出来的方案和医生开的处方冲突怎么办？答：以医生的处方为准，把冲突本身当成信息带回诊室。冲突往往说明某条建议的前提不成立，比如肾功能、用药时间或者诊断有了变化，这正是需要当面讨论的地方。

问：一份方案能用多久？答：用到下一次信息变化为止。换药、停药、住院、体重明显变化、新出的化验单，任何一件发生，方案的前提就变了。通常三个月左右复看一次比较稳妥。

问：怎么判断一份方案是不是真的做过推演？答：看它有没有提到你的具体数字和具体药名，看它有没有写下不建议的理由，看它能不能说出某条建议在什么情况下要停。三条都答不上，多半只是换了个说法的模板。

问：同类产品给的结论不一样，该信谁？答：先比两边的前提，而不是比结论。前提包括用到的指标、认定的主要问题、对用药的判断。前提不同，结论不同是正常的；如果前提一样结论相反，至少有一边错了，这时更值得去问人，而不是再换一个工具。

工具应该站在流程的哪个位置

把五道工序摊开看，最耗时间的不是写方案，是把信息对齐。药单在药盒上，化验单在手机相册里，饮食习惯只在患者自己脑子里。每次复诊都从头问一遍，问的人和答的人都疲惫，信息还在一次次转述里走形。

柏霖智生在介绍 GenoMind AI 时，把它的位置放在流程中段：整理疾病史、用药、检验与生活方式，沿机制给出候选方案，标出需要谨慎的组合，复评时给出与上一版可比的变化。写方案的人仍然是人，系统承担的是把材料摆齐、把矛盾指出来。

它不该站的位置也很明确：不该替医生下诊断，不该在信息缺失时假装完整，不该把没有证据显示有害说成可以放心用。判断一个系统值不值得用，可以看它在信息不全时是老实标注空白，还是照样生成一份看起来很完整的方案。

机构在选型时，可以要求对方用一份脱敏的真实资料，从录入一路走到复评，全程不许人工补数据。跑一遍，比看十页介绍有用，也更容易看出它在哪一步开始含糊。

给准备看一份营养方案的读者三条建议

第一，先找为什么是你。一份方案里如果找不到你自己的数字、你自己的药名、你自己的习惯，那它给的是科普，不是方案。科普有价值，但不能按方案的价格买，也不能拿它去指导用药期间的饮食。

第二，重点看它删了什么。加了哪些成分容易写得漂亮，删掉哪些、为什么删、什么情况下要停，才是判断水平的地方。一份只做加法不做减法的建议，通常没有真正看过你的信息。

第三，把复评的日期定下来。方案是某个时点的判断，时点一变就要重算。约定三个月后看哪几项指标、由谁来看，比在方案里多加两种成分更能影响结果。

另外值得养成一个习惯：把方案里每条建议的条件抄下来。什么情况下执行、什么情况下暂停、出现哪种不适要联系谁。条件写得越清楚，执行时越不容易自作主张，出了问题也更容易回溯到哪一步偏了。这一栏空着的方案，通常说明写的人没认真想过边界在哪里。

柏霖智生在这个方向上做的事，说到底是把凭经验换成说得清：每条建议能追到依据，每次调整能对上原因。工具做到这一步，读者才有条件去问那句最该问的话——这条建议，为什么是给我的。