90岁老人摔断髋骨后，AI预防医学的3个残酷真相

英国NHS（国家医疗服务体系）每年处理8万例髋部骨折，平均住院23天。我祖母用13天亲身经历告诉我：这套系统救人的效率，和漏掉风险的效率一样高。

01 钙片吃了三年，骨折前没人提过"骨密度"

我祖母90岁，素食，独居。摔倒那天她正在户外散步——听起来很健康，对吧？

但"健康"的表象下，她的严重骨质疏松从未被检测和治疗。过去三年她只拿到钙片和维生素D，没人建议做骨密度扫描，没人提过双膦酸盐类药物，更没人说过有一种"骨形成促进剂"注射剂。

骨折后的第9天，术后康复团队终于把这些选项摆上台面。我坐在病床旁，听着医生解释"本可以预防"——这个词在13天里出现了4次。

NHS的数据分析能力其实不弱。他们能追踪处方、急诊记录、社区护理日志。但这些系统像各自为政的档案馆，没人负责把"90岁+素食+独居+三年钙片无改善"串成一条预警线。

02 大数据能算出的风险，临床路径选择无视

祖母的病例里有三个已知的高危标签：高龄女性、素食饮食、社会孤立。

素食者的蛋白质和维生素B12摄入模式，会显著影响骨代谢；独居老人跌倒后平均延迟2小时获救，且孤独感与痴呆风险上升27%-60%有明确相关性。这些不是秘密，PubMed（公共医学数据库）上随便搜。

但现行系统的干预触发点是"急性事件"——摔断了才治，没摔就等。

理想状态下，AI该做什么？不是替代医生判断，而是把散落的信号拼成风险画像：社区药房发现连续三年钙片处方+无骨密度检查，自动标记；家庭医生收到"素食+高龄"组合预警；社会服务部门同步评估独居支持需求。

这套逻辑不复杂，复杂的是让NHS的12个数据系统互相说话。

03 最值钱的数据，藏在没人记录的地方

住院第5天，康复师问我：她平时走路稳吗？一次能走多远？最近半年有没有差点摔倒？

我答不上来。这些细节从未被系统性地问过、记过、分析过。

AI在医疗领域的真正潜力，可能不在于处理已有的电子病历，而在于捕捉"非结构化信息"——步态变化、社交频率、购物习惯突变。亚马逊知道你奶奶这周没下单牛奶，但NHS不知道她这周没出门买牛奶。

技术层面完全可行：智能手表检测步态异常，智能电表识别用电模式变化，甚至语音助手分析对话反应速度。隐私争议确实存在，但对比髋部骨折后23天住院+终身活动受限+30%一年死亡率，"不被打扰"的代价需要重新计算。

祖母出院那天，我带着一沓资料回家：骨密度预约单、营养科转诊单、社区防跌倒评估申请。13天密集干预的成果，本可以分散在三年前完成。

临走时她问我："这针（骨形成促进剂）早打就好了？"我没法回答。NHS的年度预算约1800亿英镑，AI预防医学的试点项目预算占比不到0.1%。

如果预防性AI干预能把髋部骨折率压降10%，省下的钱够再建几家医院。但省下的痛苦——比如一个90岁老人不必在术后凌晨按铃等止痛——该怎么入账？