本报告译自斯坦福HAI研究院《2026 AI Index Report》第六章“医学”部分，聚焦人工智能在生物医药领域的最新进展，涵盖能力演进、产业竞争、治理评估、教育适配与临床落地等核心维度。报告指出：AI正以远超历史技术的速度渗透社会关键系统，但评估工具、治理机制、教育体系与责任框架明显滞后。
01 人工智能加速扩张与全球竞争格局重塑
人工智能能力持续跃升，扩散速度超越个人电脑与互联网：生成式AI人口采用率达53%，组织采用率达88%，五分之四大学生已在学习中使用。2025年，产业界产出超90%前沿模型，部分在博士级科学问题、多模态推理与竞赛数学上已达或超人类水平。
然而，技术扩张未同步提升可测量性与可治理性。领先模型性能差距收窄，评估工具有效性下降；开放权重模型竞争力增强，中美模型性能差距几近消失——2025年2月DeepSeek-R1曾追平美国顶尖模型，2026年3月Anthropic模型仅领先2.7%。美国仍主导顶级模型数量与高影响力专利，中国则在论文发表量、被引量、专利总量及工业机器人安装量上领先。模型趋同导致基准测试饱和，实验室信息披露减少，独立复现难度上升。
基础设施与资本层面，美国拥有5427个数据中心，为其他国家总和的10倍以上；2025年私人AI投资达2859亿美元，是中国的23倍。若计入政府引导基金，中国实际投入被低估。美国创业活跃度领先，2025年新获融资AI公司达1953家，超第二名10倍以上。但人才吸引力显著下滑：AI研究人员赴美人数较2017年下降89%，仅过去一年即降80%。
经济价值已显性化：2026年初，生成式AI为美国消费者年均创造价值1720亿美元，单用户价值中位数一年增长三倍。客户支持与软件开发等领域生产率提升14%–26%，但需复杂判断的任务效果有限甚至为负。值得注意的是，生产率提升最显著领域，恰是入门岗位萎缩最明显区域——美国22–25岁软件开发者就业人数自2024年以来下降近20%。
在科研端，AI正从加速单步研究转向替代整条工作流。面向科学的模型在部分任务中超越人类，但规模非万能：ChemBench平均表现优于人类化学家，天体物理复现实验得分低于20%，地球观测仅33%；而参数仅1.11亿的MSAPairformer在ProteinGym击败大模型，2亿参数GPN-Star亦优于规模大200倍的竞品。数据质量、任务专业化与训练方法，比单纯扩大参数更关键。多数科学基础模型源于跨部门合作，反映科研对数据、实验与验证闭环的特殊依赖。
02 医学人工智能上游突破：从蛋白质模型到虚拟细胞
医学是AI影响最迅速扩大的领域之一。2024–2025年，AI驱动的蛋白质研究增长71%，相关论文由2259篇增至3855篇。蛋白质–药物相互作用研究占比最高，结构预测份额持续下降，表明该方向趋于成熟，重心正转向治疗应用。
训练数据已成为生物AI发展的核心瓶颈。2025年，模型普遍采用多源联合训练，整合结构数据、小分子结合亲和力、基因序列与单细胞观测等实验信息；共折叠方法融合PDB结构数据与实验测量，合成数据广泛应用。训练集规模由数十万跃升至数千万量级，数据质量与获取能力正取代架构设计成为主要制约因素。
蛋白质语言模型发展路径转向高效化：2024年ESM3达980亿参数，2025年重点转向精选数据上的小型架构与检索增强。实证表明，小模型+高质量数据+物理约束+检索增强，可低成本实现甚至超越大模型性能，标志研发重心从参数扩张转向数据与任务协同优化。
结构预测与共折叠模型快速迭代。受AlphaFold3启发的多个开源模型相继发布，覆盖蛋白质、核酸、药物等多类生物分子三维结构预测。虽AlphaFold3在部分任务保持优势，多数共折叠模型在蛋白质结构与复合体建模上已接近其性能。性能提升日益依赖新数据源或深层信号挖掘，再次印证数据而非规模才是关键瓶颈。
治疗性蛋白质设计取得进展，但现实挑战突出。共折叠催生抗体、纳米抗体与肽的设计新方法，但目标结合不等于中和有效，最优方案仍是多工具集成+专家调优。生成能力提升≠治疗有效性，实验验证不可替代。
“虚拟细胞”成为2025年新前沿：Arc Institute发布Evo2与STATE，DeepMind推出AlphaGenome，旨在无需湿实验预测细胞对药物及遗传扰动的响应。当前模型在基准测试中仍逊于专用小系统。自动化与智能体驱动的生物医学发现持续推进，系统已能整合文献、数据、工具与数据库提出假设与分子方案，但所有成果仍需实验验证。
03 医学人工智能临床落地：影像、推理、病历与预警系统
医学影像仍是AI最成熟的临床领域，但数据规模远小于通用AI：MAIRA-2使用140万张胸部X光片训练，DINOv3使用17亿张自然图像；RadFM使用约1600万份医学扫描，OpenCLIP所用LAION-5B含58.5亿图文对。CT与MRI等三维模态面临数据稀缺与跨机构碎片化双重制约，严重限制大规模医学基础模型发展。
前瞻性临床试验快速增长：2025年相关试验达536项，同比增长28.5%。MASAI、NOTIFY-1与NOTIFY-EXTEND等试验不再止步于“能否识别”，而是检验AI结果是否改变医生行为，推动验证场景向真实临床环境迁移。
大语言模型在临床推理中表现突出：OpenAI o1-preview对《新英格兰医学杂志》78%病例做出正确诊断，top-1准确率52%；在NEJMHealer病例中显著优于GPT-4、主治医师与住院医师；管理推理中位得分86%，大幅超越医生与传统工具；在真实急诊病例中，多个诊断阶段均超过主治医师。微软AIDiagnosticOrchestrator与OpenAI o3协同，在高难度已发表病例中得分85.5%，而未借助辅助工具的医生仅为20%。
需注意的是，上述结果多源于结构化评估，非完全真实临床检验。临床AI最成功路径并非替代医生，而是嵌入工作流程、减负增效。2025年典型代表为环境式AI病历记录工具，可根据医患对话自动生成临床文档，已成为采用最广的临床AI类别之一。Abridge覆盖卫生系统由约100家扩至150多家，在使用Epic系统的医院中采用率达63%，多项报告证实其可显著降低文书负担、减轻认知负荷、缩短耗时、提升接诊量并缓解职业倦怠。
脓毒症预测系统亦展现明确临床价值：约翰斯·霍普金斯大学与BayesianHealth联合开发的实时预警系统已在克利夫兰诊所13家医院部署，实现脓毒症死亡率相对下降18.7%，抗生素首剂时间缩短1.85小时，病例识别准确率82%，临床医生采用率89%，ICU使用率下降10%。
UC San Diego Health的COMPOSER深度学习模型监测每位患者150+变量，在6217例住院病例中报告脓毒症死亡率下降17%（绝对下降1.9%），诊疗集束措施依从性提高5%，年均可挽救约50条生命。案例表明，临床AI率先规模化落地的方向，集中于任务边界清晰、流程可控、且始终处于临床监督之下的领域。
04 监管、患者与伦理：医学人工智能的制度挑战
FDA对AI赋能医疗器械的授权持续增长：2025年批准258款AI医疗器械；截至2025年12月，已在17个临床专科批准693家公司共计1357款AI/ML赋能器械，其中放射学占1039款（76.6%），心血管130款，神经学61款。非放射学领域授权数由2016年7个增至2025年60个，显示AI正从影像中心向更广泛临床场景延伸。
市场格局呈现“头部集中+长尾分散”：GE Healthcare以93款居首，西门子医疗82款，上海联影38款，飞利浦36款；但在626家至少拥有一款获批设备的公司中，绝大多数仅持1–2款，反映新进入者众多。
监管授权不等于临床证据充分。多数产品通过器械修改路径获批，依赖既有安全有效性证据，而非新随机试验。截至2024年12月的1016项授权中，仅2.4%有随机对照试验支持。斯坦福–哈佛ARISE网络审查500余项临床AI研究发现：近半数依赖考试式问题，仅5%使用真实临床数据。领先大语言模型每100个临床病例中给出11.8–14.6条严重有害建议，其中76.6%为遗漏性错误（如未建议关键检测）。因此，AI在支持而非替代医生决策时效果最佳，大规模落地亟需更扎实的临床证据、治理机制与伦理框架。
患者端变化同样显著：AI生成健康信息已成为大众接触医学知识的第一入口。谷歌AI Overviews出现在84%–92%健康相关搜索顶部，症状与常见问题类查询触发率达92%，治疗类90%，疾病类84%–88%。患者常在就诊前已形成初步认知。
2020–2025年，关于患者视角的AI医疗研究增长十倍。文献显示，患者普遍接受AI承担辅助角色，但对高风险自主决策持谨慎态度，担忧技术介入削弱富有同理心的照护。信任高度依赖临床医生背书，透明度与知情告知被广泛视为优先事项。
伦理讨论快速增长：2025年43.4%的医疗AI出版物涉及伦理议题，高于2024年的37.1%，两年间绝对数量翻倍。增长集中于治理层面——2025年相关论文达1228篇，高于算法关切（896篇）与社会关切（874篇）。欧洲发文量最多，其次为东亚与北美。
05 从能力竞赛走向治理与整合能力的考验
总体而言，AI正以前所未有的速度扩张：能力持续增强、应用快速渗透、经济价值显现；但评估工具失效、治理体系滞后、教育与劳动力准备不足、安全与责任框架缺位。医学领域尤为典型——从蛋白质语言模型、虚拟细胞、自动化生物医学发现，到临床推理、病历记录、脓毒症预警与患者搜索入口，AI已深度介入知识生产与服务流程。决定其长期影响的关键，不再是模型性能上限，而是证据质量、制度设计、伦理边界与临床整合能力。人工智能的未来，取决于社会能否构建与之匹配的测量、治理与应用体系。
整理：宋依然 但誉乐