他們用20年數據做出全球首個AI體重管家

在中國科學技術大學附屬第一醫院內分泌科診室，副主任醫師鄭雪瑛的電腦屏幕上彈出一份AI生成的餐單——“皖北風味減重食譜”：雜糧饅頭替換精面主食、牛肉湯去浮油、搭配半碗涼拌馬齒莧。患者王先生接過餐單，驚訝道：“這比我自己折騰強多了！”

“過去，這樣的個性化飲食方案需要醫生和營養師查詢食材成分表，逐一手動計算卡路里，耗費至少1小時。而現在，借助AI只需要30秒即可完成。”鄭雪瑛說。

這份餐單背后，是全球首個專注于體重管理的人工智能大模型“減單”的臨床應用。從20年前預見肥胖危機，到如今用AI破解傳統減重難題，這場“化繁為簡”的醫療變革如何實現？

跨越20年的“數據長跑”

“減單”的誕生，源于一場提前20年的“預判”。

2008年，安徽醫科大學校長翁建平參與了一項全國糖尿病流行病學調查。數據顯示，中國糖尿病患病率從3%驟增至近10%。這一發現讓翁建平團隊意識到，肥胖問題將成為未來公共衛生的重大挑戰。

事實也印證了這一判斷。2025年3月，《柳葉刀》發布的最新研究報告顯示，中國2021年25歲及以上成年超重和肥胖患者達4.02億，肥胖率28.7%，肥胖人數位居全球第一。國家衛健委也在全國兩會期間提出，要持續推進“體重管理年”計劃，將全民健身和減肥推向新的高度。

“我們在20年前就預感到，中國居民健康將面臨一場巨變。”鄭雪瑛說。從那時起，鄭雪瑛所在的翁建平團隊便開始聚焦體重管理的臨床數據，至今已沉淀有20余年的經驗。

2025年3月，借助DeepSeek、OpenAI、豆包等大模型技術，團隊積累的40多萬患者的臨床數據被激活，全球首個專注于體重管理的AI大模型“減單”應運而生。

“讓減重變得簡單，是我們推出‘減單’的初衷和愿景。”鄭雪瑛說。

臨床治療的兩大“痛點”

“減單”是一款“治療型”體重管理AI大模型。

“可能很多人覺得體重管理是為了漂亮和美貌，但對患者來說，減重是為了治病和救命。”鄭雪瑛說，“例如多囊卵巢綜合征，患者吃再多藥，也不如減重來的治本。”

然而，傳統體重管理長期面臨兩大難題：專業建議“不接地氣”與執行依賴“人力瓶頸”。臨床中，醫生常需手動計算患者的飲食熱量，耗時費力；而患者面對“多吃蛋白質”“控制碳水”等抽象建議，往往一頭霧水。

“最大的痛點在于飲食指導‘不說人話’。”鄭雪瑛舉了個例子：如果患者中午吃了一碗牛肉面，過去醫生會問“蛋白質多少克？脂肪占比多少？”——這對普通人而言如同“天書”。

“減單”的目標正是將專業術語轉化為通俗易懂的語言。患者只需拍照上傳飲食照片，AI即可以超過90%的準確率識別宏量營養素，并給出改進建議，例如“把紅燒肉換成清蒸魚”，“米飯減半，加半碗雜糧粥”。

減重的另一個痛點在于執行困難。與外科手術有賴于醫生不同，減重的成功與否90%以上取決于患者的執行效果。

“我可以給患者很多意見，但我無法24小時監督他們每一餐。患者有95%以上的時間是在醫院外與自己的身體相處。”鄭雪瑛表示，面對這一點，醫生也感到無助。

AI技術有效解決了這一難題。“‘減單’能夠將我們的經驗以最快捷、最便利、最真實的方式傳遞給到患者，實現24小時全天候服務。”鄭雪瑛說。

從“經驗復制”到“人機共生”

AI是否會替代醫生和專業營養師的工作？

鄭雪瑛的回答是：“中國的專業營養師僅3000人，而超重人群高達4億。AI不是替代醫生和營養師，而是‘復制’無數個專業團隊。”

“減單”的誕生，是臨床經驗與AI技術的深度結合。團隊20年形成的臨床管理路徑被轉化為AI的決策邏輯。“例如遇到一名肥胖患者，他是否需要手術？如何與普外科協作？飲食怎樣配合？這些經驗都被我們‘喂’給AI。”鄭雪瑛說。

模型研發的主要挑戰不在技術層面，而在于數據積累。翁建平團隊憑借超過20年的臨床經驗積累，使得這一研發的最大難題迎刃而解。

值得一提的是，由安徽醫科大學、中國科學技術大學附屬醫院與諾特健康構建的“科研-臨床-公共衛生”三元協同體系，形成了產學研融合閉環，保障了模型既專業又“接地氣”。

盡管AI表現亮眼，但團隊始終恪守一條鐵律：涉及醫療決策，AI絕不越界。

“與大多數疾病相比，減重的容錯率相對較高，這也是我們率先推出體重管理大模型的原因。”鄭雪瑛解釋道，“但我們在程序設計時就明確了嚴格的界限，AI不會進行臨床診斷，也不會提供手術或用藥建議。”

截止目前，“減單”已在醫院內分泌科和減重門診投入使用，并推出了公眾可使用的網頁版。團隊計劃在未來開發患者端APP，進一步提升用戶體驗。

“我期待看到更高維度的動態管理。不是簡單的餐單，而是更深層的人機交互。例如，加強與可穿戴設備的連接，讀取患者的運動信息、睡眠狀態等，為患者提供更全面、動態、及時的服務。”鄭雪瑛說。