終結一體適用的醫療模式

數十年來，人們已經知道人類絕大多數的生物學差異並非存在於群體之間，而是存在於個體之間。奇怪的是，科學家和醫生在試圖了解我們時，仍習慣將人篩選並歸類為龐大的群體：族裔、種族、生理性別和社會性別。2024 年將成為他們終於放棄依賴這些寬泛類別，並開始專注於個體的一年。

舉一個群體方法可能有多麼粗糙的例子：女性即使出現典型的病徵，被診斷出心臟病的可能性仍較低——因為人們通常將心臟病與男性聯繫在一起。對於這種情況以及大多數其他常見疾病而言，重要的不是患者的性別，而是其特定的症狀。每位女性（以及男性和非二元性別者）的生理機能都各不相同。專注於每個群體中統計學上「典型」患者的扁平化分類，難以應對這種複雜性。

有時，類別的使用完全是偽科學，並帶來了災難性的後果。2021 年，美國國家美式足球聯盟（NFL）做出了遲到已久的決定，停止使用具爭議性的「種族常模化」（race norming），該做法假設患有腦損傷的黑人球員起初的認知功能水平較低。結果，黑人球員因傷獲得經濟賠償的可能性較小。NFL 的這一舉動在科學界和醫學界引起了連鎖反應。在估計腎功能時反對使用基於種族的公式已有充分理據，許多實驗室現在正放棄這種做法。

在 2024 年，科學家終於將轉向將每個人視為多面向的個體來理解。對於處理數百萬名患者的醫療服務機構和醫學研究人員來說，實現這種程度的細節似乎難以應付，但我們已經進入了一個數據收集和處理能力足以實現這一目標的時代。結合個人基因組分析的進展，以及透過我們自己的設備可能獲得的體育活動、飲食、壓力、荷爾蒙和月經週期等資訊，研究人員可以比以往任何時候都更了解單一患者。

例如，由家庭創立的社群團體 PatientsLikeMe 於 2005 年成立，它將患有不孕症和紅斑性狼瘡等複雜疾病的患者聚集在一起，並為他們提供空間，以極其詳盡的方式分享他們的生活經驗。患者不僅可以看到哪些治療方法對他人有效，還可以讓他人知道哪些治療方法對自己有效。這些數據反過來被用於為健康研究提供資訊。該平台總部位於馬薩諸塞州劍橋市，目前擁有超過 85 萬名會員。

當我們任何人第一次服用藥物時，了解它對大多數人是否安全有效至關重要，但更重要的是了解它是否會對我們個人造成傷害。在賓夕法尼亞大學，成癮、健康與青少年實驗室（Addiction, Health, and Adolescence Lab）的 David Lydon-Staley 一直在詢問是否可能進行 n=1 的試驗。在兩週的時間裡，他對自己測試了褪黑激素軟糖，就像他在進行臨床試驗一樣，以查明它們是否能幫助他睡得更好。目標不是了解這些軟糖是否對大多數人有效，而是查明它們是否對他——那個需要它們的人——有效。（順便提一下，就他的情況而言，並沒有效果。）

這是一種特立獨行的方法，可能與現代臨床試驗的運作方式不太契合，但它指向了一種不同的關於人類差異的科學。透過從群體層面的研究轉向個體層面的研究，2024 年科學家也將開始描繪出一幅關於我們作為一個物種更精細的畫像。挑戰在於如何在不損害隱私的情況下安全地做到這一點，以及如何納入地球上的每一個人——而不僅僅是少數人。