连发三篇论文，清华大学医学院深度阐述AI赋能健康

2026年以来，清华大学医学院黄天荫教授团队在《自然·健康》期刊连续发表多篇高水平研究成果。

联合新加坡、荷兰、英国、美国、澳大利亚等多国研究机构，团队聚焦人工智能在循证医学、公共卫生、全球健康中的应用，围绕临床证据生成、疾病监测、健康治理与医疗资源优化配置等议题展开深入研究，推动人工智能技术与医学实践深度融合。

01

人工智能在循证医学中的应用

“生成式人工智能正在通过实现实时数据整合、动态临床试验设计以及个性化决策支持，改变临床证据的生成方式及其在临床实践中的应用模式。”

在医疗健康领域，人工智能，尤其是生成式人工智能和基于Transformer架构的大语言模型的应用正在重塑循证医学（EBM）的发展格局。人工智能对证据生成、整合与应用方面的影响给循证医学既带来了机遇，也带来了挑战。

文章在线发表截图

评论文章以《人工智能与循证医学的未来》（Artificial intelligence and the future of evidence-based medicine）为题于1月28日在线发表。

文章指出，人工智能有望提升证据生成与转化的速度、效率与精准性，从而更快改善患者照护质量和治疗效果。人工智能同时也将重塑“何为证据”以及“证据如何用于临床决策”的基本认知。同时，人工智能也带来了一系列尚未充分认知的潜在风险，包括模型幻觉、泛化性不足、偏倚问题、可解释性有限，以及对机器生成结果的过度依赖。

文章指出，临床决策模式的根本性变革已经开始。人工智能正越来越多地参与知识生成，并逐步融入临床医疗实践，与医务人员和患者协同发挥作用。这一趋势要求建立全新的理论框架和评估方法，系统评估人工智能在医学实践、临床决策、诊疗结果、医疗服务与更广泛循证医学领域中的作用与影响。

团队在文章中重点探讨了人工智能如何推动循证医学的发展，并提出了一个用于描述这一新型临床实践模式的概念——“AI融合型医学”（AI-integrated medicine）。

原文链接：https://doi.org/10.1038/s44360-025-00002-z

02

人工智能在公共卫生中的应用

“通过聚焦大规模数据分析和覆盖全人群的干预措施，公共卫生领域中的人工智能为疾病监测、健康促进和政策制定提供了新的战略路径。”

人工智能擅长处理复杂数据集，并发现人类难以察觉的相关规律。在医学领域，AI常被用于筛查、诊断、临床决策支持以及个性化治疗建议等多种临床场景。然而，人工智能在公共卫生领域仍具有巨大的潜力尚未开发。

文章在线发表截图

评论文章以《应用于公共卫生的人工智能：利用数据促进人群健康》（Artificial intelligence for public health can harness data for healthier populations）为题于1月19日在线发表。

文章指出，公共卫生干预强调通过预防性措施，从贫困、教育、环境暴露以及社区传播等根本因素入手，防控疾病发生。与医学领域中以患者为中心、以具体临床任务为导向的模式不同（疾病预防与治疗主要围绕个体化医疗展开），公共卫生干预更加关注具有多样化需求的大规模人群。

文章提出，“公共卫生人工智能”（AI for Public Health，AIPH）有助于优化资源配置、预测疾病流行趋势，并针对不同人群提供个性化的健康信息传播与干预策略。

原文链接：https://doi.org/10.1038/s44360-025-00005-w

03

人工智能在全球健康中的应用

“大语言模型（LLMs）对影响甚至重塑全球健康体系，尤其是中低收入国家（LMICs）的医疗发展，提供了前所未有的机遇。大语言模型有望应对全球健康领域的基础性挑战，缩小医疗服务可及性差距，赋能基层与社区医疗服务能力，推动规模化、具有成本效益的创新发展。”

文章在线发表截图

观点文章以《大语言模型在全球健康领域的应用》（Large language models in global health）为题于1月15日在线发表。文章系统分析了大语言模型在缓解卫生体系不平等、助力实现可持续发展目标（SDGs）方面的最新进展、面临的挑战与未来前景，构建了大语言模型发展与全球健康领域首要关注议题之间的结构性关联。

文章呼吁，充分发挥大语言模型潜力需要全球健康领域多方利益相关者的协同推动。国际组织和全球卫生机构应统筹制定前瞻性政策，推动共建标准与协同治理；各国政府需建立符合本国国情的监管框架，并加大对本土医疗能力建设的投入；科研资助机构以及学术—临床合作体系应优先推动真实世界证据的生成，尤其关注低收入和中等收入国家，为大语言模型的规范化、安全化应用提供科学依据。

文章指出，未来相关领域的发展方向仍需进一步明确。全球健康共同体亟需以协同合作与紧迫行动为导向，推动大语言模型从重要创新工具走向可信合作伙伴，进一步推动临床医学发展，支撑全球公平、高效与可持续的医疗体系建设。

原文链接：https://doi.org/10.1038/s44360-025-00024-7

识别微信二维码，添加生物制品圈小编，符合条件者即可加入

生物制品微信群！

请注明：姓名+研究方向！

本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观不本站。