MIT五人当选美国医学科学院，他们的研究 quietly 改变了什么

每年十月，美国医学科学院（National Academy of Medicine）的年度会议都会公布一份百人名单。入选者通常不会登上热搜，但在医学和公共卫生领域，这份名单的分量相当于学术界的"终身成就认证"——它只颁给那些在专业上做出突出贡献、同时长期服务于公共健康事业的人。

2025年的名单里，有五个名字与麻省理工学院有关。两位是现任教职人员，三位是校友。他们的研究领域分散在免疫学、数字健康、无线传感、人工智能——听起来像是各自为政，但细读他们的工作，你会发现一条共同的线索：都在试图把实验室里的发现，转化成普通人能用到的东西。

这篇文章想做的，就是把这五个人的工作拆开来看。不是为了罗列荣誉，而是想搞清楚：他们到底做了什么，以及这些研究为什么重要。

Facundo Batista：在B细胞里找疫苗的答案

Facundo Batista现在的头衔很长：麻省总医院、MIT和哈佛大学联合成立的Ragon研究所副主任兼科学主任，MIT生物学系首位Phillip T. and Susan M. Ragon讲席教授。但美国医学科学院给他的评语很具体——"揭示产生抗体的B细胞生物学机制，以更好理解人体免疫系统如何应对传染病"。

B细胞是免疫系统里的"抗体工厂"。当病毒或细菌入侵，B细胞会大量增殖，分化成浆细胞，然后分泌出专门针对入侵者的抗体。这个过程听起来简单，但细节极其复杂：B细胞怎么知道该造哪种抗体？怎么决定造多少？为什么有时候反应够快能挡住感染，有时候却慢半拍让人重病？

Batista的研究就是盯着这些细节。他2002年在伦敦的Francis Crick研究所建立实验室，同时在帝国理工学院任教。2016年，他加入Ragon研究所，开始把B细胞的基础研究往疫苗开发上推。

这个转向很关键。基础免疫学可以发很好的论文，但疫苗开发是另一回事——它需要你在临床前阶段就考虑清楚：这个靶点成不成立？怎么设计才能激发持久的免疫记忆？Batista的团队最近几年的工作集中在HIV、疟疾、流感，以及SARS-CoV-2。这些都是全球公共卫生清单上的"老大难"：要么病毒变异太快（HIV、流感），要么寄生虫生命周期复杂（疟疾），传统疫苗策略屡屡碰壁。

他的方法是从B细胞的"学习过程"入手。疫苗的本质是提前给免疫系统看敌人的照片，让B细胞记住特征。但照片怎么拍、拍哪些角度、拍多少张，决定了免疫系统能记住多少。Batista的研究帮助设计了更好的"教学方案"——不是直接给答案，而是让B细胞自己推导出最优的抗体结构。

在加入Ragon研究所之前，Batista已经是英国医学科学院、美国微生物学会、拉丁美洲科学院和欧洲分子生物学组织的成员，同时担任《EMBO Journal》的主编。这些头衔说明他在学术体系里的位置，但美国医学科学院的入选理由特别强调了一点：他的工作已经推进到了"临床前疫苗和治疗开发"阶段。这是基础研究者最难跨过去的一步——从理解机制，到做出能用的东西。

Dina Katabi：用Wi-Fi信号"看见"你的健康

Dina Katabi的研究更难用一句话概括。她是MIT电气工程与计算机科学系的Thuan and Nicole Pham讲席教授，但她的工作横跨数字健康、无线传感、移动计算、机器学习和计算机视觉。美国医学科学院给她的评语是："开创性数字健康技术，通过人工智能和无线信号实现非侵入式、非接触式远程健康监测，并开发帕金森病进展和检测的数字生物标志物"。

简单说，她在做一件事：不用穿戴设备，不用抽血，甚至不用接触身体，就能持续监测一个人的生理状态。

原理听起来像科幻小说。Katabi的团队利用的是Wi-Fi信号的反射。人体会干扰无线电波的传播，而呼吸、心跳、肢体动作都会以特定方式改变信号。通过机器学习模型分析这些微小的信号变化，系统可以推断出心率、呼吸频率、睡眠质量，甚至步态的细微改变。

为什么步态重要？帕金森病的早期症状之一就是行走模式的改变——步幅变小、手臂摆动减少、转身变慢。但这些变化太细微，患者自己往往注意不到，医生在诊室里看几分钟也捕捉不全。Katabi的技术可以在家里连续监测，把"走路的样子"转化成可量化的数字指标。

美国医学科学院的评语里有个词值得注意："数字生物标志物"（digital biomarkers）。传统生物标志物是血液里的蛋白质浓度、基因突变、影像学上的病灶大小。数字生物标志物则是从日常行为数据中提取的健康指标——睡眠模式、活动量、语音特征、甚至打字速度。Katabi的工作证明，这些"副产品"数据可以被系统化地收集和解读，成为疾病进展的敏感指标。

这项技术已经被用于临床试验，帮助客观、灵敏地测量疾病轨迹和治疗反应。这比传统的"患者主观报告+医生定期评估"要精细得多。对于帕金森这类进展缓慢、症状波动的疾病，连续监测能提供的时间分辨率是革命性的。

Katabi的教育背景也值得一提。她本科毕业于大马士革大学，1999年和2003年先后在MIT获得硕士和博士学位。她是麦克阿瑟"天才奖"得主，美国艺术与科学院成员，同时领导着MIT的无线网络和移动计算中心，以及CSAIL旗下的Networks at MIT研究组。她的研究起点其实是互联网通信协议——怎么让无线网络更高效地传输数据。从"让网速更快"转向"用信号看健康"，这个跨度本身就说明了数字健康领域的交叉性：它需要通信工程师、机器学习专家、临床医生坐在一起，把各自的语言翻译成对方能懂的东西。

三位校友：分散在医学版图的不同角落

除了Batista和Katabi，今年还有三位MIT校友入选美国医学科学院。原文没有展开他们的具体工作，但"校友"这个身份本身就值得说说。

MIT的医学相关研究有个特点：它没有一个独立的医学院，却深度嵌入在哈佛医学院、麻省总医院的网络里。Ragon研究所就是这种模式的产物——三方联合，资源共享。很多MIT的教授同时在医院有 appointment，很多哈佛的临床研究者也在MIT的实验室有办公桌。这种"没有围墙"的结构，让工程、计算、基础医学和临床实践之间的转换成本变得很低。

三位校友的入选，说明这种培养模式在持续产出能跨界的人。他们可能在生物技术公司做药物开发，可能在公共卫生机构做政策研究，也可能在临床医学的一线。美国医学科学院的评选标准里，"服务"（commitment to service）和"专业成就"并列——这意味着入选者不仅要做研究，还要花时间做委员会、写指南、培训下一代。MIT的校友网络在这类"隐形劳动"中往往很活跃。

为什么这份名单值得关注

科学荣誉的评选总是带有滞后性。一个人入选美国医学科学院，通常意味着他的工作已经被验证了十年以上，影响力已经扩散到实验室之外。Batista和Katabi的研究方向，恰好代表了医学研究的两个前沿：一个是把免疫学的认知深度转化为疫苗设计的工程能力，另一个是把日常环境中的数字痕迹转化为健康监测的感知能力。

这两个方向有个共同点：都在试图降低医疗的"接触门槛"。疫苗要让免疫系统提前准备好，但准备的过程不能太贵、太复杂、太依赖冷链。远程监测要让慢病管理连续化，但不能要求患者每天记日记、每周跑医院。好的医疗技术，往往是那些"消失"在日常生活中的东西——用起来不费力，甚至感觉不到它的存在。

当然，这些研究都还有很长的路要走。Batista的疫苗候选物还在临床前阶段，距离真正上市需要多年测试。Katabi的技术在临床试验中显示了潜力，但大规模部署还涉及隐私、监管、医保支付等复杂问题。美国医学科学院的荣誉，是对过去工作的认可，不是对未来的承诺。

但这份名单至少说明了一件事：在医学和健康的交叉地带，工程思维和临床需求正在找到更多的结合点。无论是B细胞的微观世界，还是Wi-Fi信号的波动模式，最终指向的都是同一个问题——怎么让健康照护更主动、更连续、更公平。

这五个MIT人的故事，是这个问题的一个切片。