将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯
编辑丨cherry
基于电子健康病历的真实世界数据观察性研究，已成为临床证据的重要来源，但传统流程依赖大量人工，进展缓慢。Meta 近期发布新一代旗舰模型家族 Muse Wonder，并宣布采用 Muse Spark 1.3 与 Muse Wonder 加速健康科学研究。
Meta 指出，尽管 AI 在数学等形式科学领域突破显著，但健康科学研究仍受限于存在缺陷的真实世界数据。为此，Meta 构建了一套由 Muse 系列模型驱动的研究框架，可调用 500 万份去标识化电子健康病历及公开数据集。在该框架下，医学专家保留科学决策主导权，AI 则辅助加快假设生成、代码运行与论文撰写。
四周完成十项原创研究，效率提升显著
Meta 招募了心脏病学、流行病学、传染病学和内科学背景的医学研究人员，利用 Muse 框架在四周内完成了覆盖多个医学方向的 10 篇原创研究论文，并已公开。这些研究在第三方专家评审中获得高度评价。
国际乳腺癌专家 Olubukola Ayodele 评价一项关于乳腺癌 ADC 序贯治疗的研究时表示，该稿件探讨了从庞大电子病历数据集中生成真实世界证据的方法，以及 AI 智能体如何全程支持从问题提出到分析报告的流程，内容引人入胜且坦诚直率。
研究显示，AI 系统如同一个高通量但可靠性参差不齐的研究助手：擅长起草报告、信息提取和代码生成，甚至能提供超范围的分析建议。然而，AI 缺乏专业判断力，在验证数据来源、评估指标有效性及识别数据局限性方面并不可靠，无法独立判断临床价值。
Muse 的核心优势在于显著提升研究效率。在最佳情况下，其研究效率较传统流程提升高达十倍，部分论文仅用时七天即完成。
快速终止无效研究，避免资源浪费
Muse 带来的另一大收益是能够迅速标记已解决的问题，揭示研究问题与可用数据的不匹配，并提出更具新颖性的替代方案。这帮助研究者及早调整方向或终止无发表潜力的项目，从而避免时间与资源的浪费。
折中路径：人类主导下的 AI 辅助
此次探索标志着 Meta 在 AI 赋能科学领域的进一步深入。未来，基于更全面数据集的分析将使模型具备更强的推断和关联能力，进而生成新假设并在试验中验证。
今年以来，Anthropic、微软、OpenAI 和谷歌等科技巨头纷纷入局医疗赛道，推出符合 HIPAA 标准的服务、个人健康应用或专用医疗模型。Meta 虽非最早入局者，但选择了独特的技术路线：将 AI 模型作为受监督的自主研究智能体，在专家指导下参与决策。
目前 AI 增强科学研究主要有两种路径：一是完全自主的「AI 科学家」系统，试图将人类排除在外，但面临引用不可验证、来源不透明及科学判断被取代的风险；二是自动化工具，仅处理证据综合或评审筛选等单一阶段，不涉及全流程设计。
Meta 采取了折中方案：Muse 模型加速研究各阶段，而研究者通过预设门槛和关键点检查进行全程指导与治理。这条路径能否在激烈的医疗赛道竞争中脱颖而出，仍有待观察。
参考链接：
https://research.meta.ai/blog/accelerating-scientific-research-in-health-data-science-with-muse-models
https://x.com/AIatMeta/status/2110441716507693450
https://research.meta.ai/static/observational-research-with-muse-models
人工智能 × [ 生物 神经科学 数学 物理 化学 材料 ]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。
欢迎关注标星，并点击右下角点赞和在看。