4月7日，斯坦福以人為本人工智能研究所（HAI）發(fā)布《2025年AI指數(shù)報告》，這份長達456頁的報告，全景展示了過去一年AI領(lǐng)域的關(guān)鍵進展。

以人為本人工智能研究所是斯坦福大學于2019 年成立的跨學科研究機構(gòu)，由“AI教母”李飛飛聯(lián)合領(lǐng)導，其每年發(fā)布的“AI指數(shù)報告”成為全球人士了解人工智能前沿發(fā)展的核心文件。

具體來看，今年的報告共列了研究與開發(fā)、技術(shù)性能、負責任的AI、經(jīng)濟、科學與醫(yī)學、政策與治理、教育等8個章節(jié)，其中科學與醫(yī)學占據(jù)43頁內(nèi)容。

在科學與醫(yī)學中，報告重點介紹了2024年醫(yī)學和生物學領(lǐng)域的AI里程碑，展示了AI在醫(yī)學影像、臨床試驗、輔助診斷等領(lǐng)域的進展，彰顯出AI在醫(yī)療保健的關(guān)鍵影響。

其中包括以下要點：

• 更大更好的蛋白質(zhì)測序模型出現(xiàn)：2024年，包括ESM3和AlphaFold 3在內(nèi)的幾個大規(guī)模、高性能蛋白質(zhì)測序模型被推出。

  
  

• AI繼續(xù)推動科學發(fā)現(xiàn)的快速進步：2022年和2023年標志著AI驅(qū)動科學的早期階段，2024年帶來了更大的進展。

  
  

• 領(lǐng)先AI模型的臨床知識持續(xù)提升：OpenAI最近發(fā)布的o1在MedQA基準測試中達到新的最先進水平96.0%——比2023年的最佳成績提高了5.8個百分點。

  
  

• AI在關(guān)鍵臨床任務上超越了醫(yī)生：一項新研究發(fā)現(xiàn)，僅GPT-4就能在診斷復雜臨床病例方面勝過醫(yī)生。其他研究顯示，AI在癌癥檢測和識別高死亡風險患者方面也超過了醫(yī)生。

  
  

• FDA批準的AI醫(yī)療設備數(shù)量激增：FDA于1995年首次批準了人工智能驅(qū)動的醫(yī)療設備。到2015年，只有6種這樣的設備獲得批準，但到2023年，這一數(shù)字飆升至223種。

  
  

• 合成數(shù)據(jù)在醫(yī)學領(lǐng)域顯示出巨大的潛力：2024年發(fā)布的研究表明，人工智能生成的合成數(shù)據(jù)可以幫助模型更好地識別健康的社會決定因素，增強隱私保護的臨床風險預測，并促進新藥化合物的發(fā)現(xiàn)

  
  

• 醫(yī)學出現(xiàn)基礎(chǔ)模型：一批醫(yī)學大模型于2024年發(fā)布，從通用多模態(tài)模型Med-Gemini到垂類專業(yè)模型EchoCLIP（心電圖學）和ChexAgent（放射學）。

  
  

• 公開的蛋白質(zhì)數(shù)據(jù)庫規(guī)模不斷擴大：自2021年以來，主要公共蛋白質(zhì)科學數(shù)據(jù)庫的條目數(shù)量顯著增加，這對科學發(fā)現(xiàn)具有重要意義。

  
  

今年1月，李飛飛在接受采訪時稱，她對AI在醫(yī)療健康領(lǐng)域的應用充滿熱情，“這是一個龐大的行業(yè)，從基礎(chǔ)生物學研究，到臨床診斷、醫(yī)療服務和公共衛(wèi)生……令人振奮的是，在這個系統(tǒng)的每個環(huán)節(jié)，AI都能發(fā)揮重要作用。”

對AI醫(yī)療的看好，已經(jīng)成為精英們的共識，此前木頭姐表示醫(yī)療保健將成為AI最為深遠的應用領(lǐng)域，甲骨文CEO拉里·埃里森、OpenAI首席執(zhí)行官Sam Altman也以實際行動支持AI醫(yī)療發(fā)展。

得益于AI技術(shù)的發(fā)展，醫(yī)療健康領(lǐng)域正在經(jīng)歷一場深刻革命。

2024，AI醫(yī)療有哪些里程碑？

在“科學與醫(yī)學”章節(jié)的開頭，報告細數(shù)了過去一年AI在醫(yī)療和生物學領(lǐng)域的里程碑成果。

蛋白質(zhì)序列優(yōu)化：大語言模型來助力

盡管并非有意為之，但語言模型最近獲得了一項新的生物能力：優(yōu)化蛋白質(zhì)序列。

傳統(tǒng)上，蛋白質(zhì)工程需要大量的實驗室研究來改進序列以提高功能。然而，最近的一項研究發(fā)現(xiàn)，未經(jīng)微調(diào)的語言模型在這一任務上變得異常有效。

研究人員采用定向進化的方法證明，語言模型能夠生成在合成和實驗適應度景觀中均優(yōu)于傳統(tǒng)算法的蛋白質(zhì)序列。

Aviary：為生物學任務訓練Agent

FutureHouse是一家旨在實現(xiàn)科學發(fā)現(xiàn)過程自動化的公司，去年公司發(fā)布了Aviary，這是一個能夠執(zhí)行生物學研究中多步驟任務的代理，有望實現(xiàn)智力任務的自動化。

在Aviary框架下，AI Agent已經(jīng)可以執(zhí)行“操縱DNA 結(jié)構(gòu)進行分子克隆、通過查閱科學文獻來回答研究問題、構(gòu)建蛋白質(zhì)穩(wěn)定性”等具有挑戰(zhàn)性的科學任務。

結(jié)果顯示，Aviary的支持下，基于開源大語言模型構(gòu)建的智能體已經(jīng)可以在多個任務上比肩甚至超越人類專家，為科學探索的自動化進一步鋪平道路。

AlphaProteo：AI用于新型高親和力蛋白結(jié)合劑

AlphaProteo是谷歌DeepMind開發(fā)的模型，專注于創(chuàng)建能夠與特定目標分子結(jié)合的新型高親和力蛋白結(jié)合劑。

AlphaProteo設計了多個目標蛋白的首個結(jié)合劑，包括與癌癥和糖尿病相關(guān)的VEGF-A蛋白，在測試的七個目標蛋白上比現(xiàn)有任何方法的有效性高出300倍。

AlphaProteo的結(jié)合劑也比使用現(xiàn)有最先進設計方法創(chuàng)建的結(jié)合劑牢固約10倍，這是一項真正的生物工程突破，該模型正被用于藥物開發(fā)、診斷和生物技術(shù)應用。

人腦圖譜：重建人類大腦的一小部分

谷歌的一個團隊在突觸水平上重建了人類大腦的一小部分——《連線》雜志稱贊這是“迄今為止最詳細的腦連接圖”。

該樣本取自一名癲癇患者手術(shù)中左側(cè)前顳葉，使用多束掃描電子顯微鏡成像。超過5000個薄約30納米的切片捕捉到了約57000個細胞——包括神經(jīng)元、膠質(zhì)細胞和血管——以及1.5億個突觸。

該項目標志著在理解神經(jīng)回路方面邁出了重要一步，并可能為未來的神經(jīng)治療提供參考。

虛擬AI實驗室：加強生物醫(yī)學研究

最近斯坦福大學引入了一個虛擬的人工智能實驗室，在這個實驗室中，多位“AI科學家”專注于不同的學科，并作為自主代理進行協(xié)作。

在實驗中，人類研究員委托這個AI實驗室設計能夠與導致病毒結(jié)合的納米抗體片段，該實驗室生成了92個納米抗體，其中超過90%在驗證研究中成功與病毒結(jié)合。

這項研究的真正意義不在于其具體發(fā)現(xiàn)，而在于證明了一個完全自主的、由語言模型驅(qū)動的實驗室可以產(chǎn)生有意義的科學發(fā)現(xiàn)。

GluFormer：使用AI進行持續(xù)血糖監(jiān)測

GluFormer是由英偉達、魏茨曼研究所等機構(gòu)開發(fā)的基礎(chǔ)模型，基于近11000名個體的超過1000萬次血糖測量數(shù)據(jù)訓練而成，通過分析連續(xù)血糖監(jiān)測（CGM）數(shù)據(jù)來預測長期健康結(jié)果。

GluFormer可以在癥狀出現(xiàn)之前識別出有糖尿病風險或血糖控制惡化的個體。在一項為期12年、涉及580名成年人的研究中，它準確地標記了66%的新發(fā)糖尿病病例和69%的心血管相關(guān)死亡病例。

像GluFormer這樣的模型將使糖尿病護理從被動治療轉(zhuǎn)向主動預防，從而實現(xiàn)更早的臨床干預。

ESM3：模擬進化過程以生成新的蛋白質(zhì)

EvolutionaryScale的ESM3是一種開創(chuàng)性的模型，基于27.8億個蛋白質(zhì)序列進行了訓練，擁有980億個參數(shù)，旨在通過模擬進化過程生成新型蛋白質(zhì)。

ESM3最顯著的成就之一是設計了esmGFP，這是一種新的人工綠色熒光蛋白，公司估計自然界需要5億年才能發(fā)展出這種蛋白。這是通過人類引導的思維鏈提示實現(xiàn)的。

ESM3還是開源的，促進了合成生物學和蛋白質(zhì)工程項目的合作，應用于藥物發(fā)現(xiàn)、材料科學和環(huán)境工程。

AlphaFold3：預測所有生命分子的結(jié)構(gòu)和相互作用

谷歌DeepMind和Isomorphic Lab的最新成果——AlphaFold 3，不僅預測蛋白質(zhì)結(jié)構(gòu)，還更精確地模擬其與關(guān)鍵生物分子（DNA、RNA、配體、抗體）的相互作用。

AlphaFold 3通過建模小分子與蛋白質(zhì)的相互作用，加速了藥物開發(fā)，這對于疾病研究至關(guān)重要。此外，AlphaFold 3的開源賦予了全球科學家力量。

AI席卷醫(yī)療：從研發(fā)到臨床

蛋白質(zhì)，是AI賦能生命科學的核心領(lǐng)域，過去一年，應用于蛋白質(zhì)序列的AI模型取得了顯著進展。

一個明顯的趨勢是模型的訓練規(guī)模越來越大，這些由AI驅(qū)動的方法通過減少對昂貴且耗時的實驗方法的依賴，加速了蛋白質(zhì)功能和設計的探索。

這一過程中，各種公共蛋白質(zhì)科學數(shù)據(jù)庫中的條目數(shù)量也隨著時間的推移穩(wěn)步增長。這些數(shù)據(jù)庫成為研究者不可或缺的工具，然而保持數(shù)據(jù)質(zhì)量和防止模型偏差仍然是持續(xù)的挑戰(zhàn)。

目前，AI驅(qū)動的蛋白質(zhì)研究數(shù)量顯著增長，這些研究集中在功能預測（8.4%）、蛋白質(zhì)結(jié)構(gòu)預測（7.6%）和蛋白質(zhì)-藥物相互作用（3.0%）等幾個關(guān)鍵領(lǐng)域。

此外，圖像和多模態(tài)的人工智能也被用于科學發(fā)現(xiàn)，冷凍電鏡、高通量熒光顯微鏡和全切片成像技術(shù)的進步，使科學家能夠以高精度檢查和分析原子、亞細胞環(huán)境及組織水平的結(jié)構(gòu)，揭示復雜生物過程的新見解。

在藥物研發(fā)流程中，臨床試驗是最為耗時且花費最大的階段，近年來運用AI的臨床試驗數(shù)量正在穩(wěn)步上升。

去年，中國AI臨床試驗的數(shù)量達到105項，超過美國（97項）排名世界第一，緊隨其后的是意大利（42項）、土耳其（30項）、英國（24項）等。

臨床方面，AI在醫(yī)學影像領(lǐng)域的應用正在迅速發(fā)展，擴展到新的數(shù)據(jù)模式，并解決日益復雜的臨床問題。

統(tǒng)計顯示，超過80%的FDA批準的機器學習軟件都針對醫(yī)學圖像的分析。近年來，醫(yī)學影像領(lǐng)域的大模型急劇增加，尤其是病理領(lǐng)域，基礎(chǔ)模型數(shù)量顯著增加。

然而，盡管該領(lǐng)域取得了一些成績，許多醫(yī)學影像中的AI仍然依賴于高度有限的訓練數(shù)據(jù)集，特別是在三維成像領(lǐng)域。

為了訓練更為穩(wěn)健的醫(yī)學影像AI模型，需要更大、更全面且多隊列的數(shù)據(jù)集，通過提升高質(zhì)量、標記好的訓練數(shù)據(jù)的可用性，預計模型性能會得到增強。

此外，在臨床實踐中，大語言模型的崛起為醫(yī)學決策、輔助診斷、患者護理、病歷管理等方面帶來變革。

一個具有代表性的情況便是AI在MedQA基準測試（其中包含超過60000個臨床問題）的表現(xiàn)已顯著提升。

微軟和OpenAI的研究團隊最近測試了o1，取得了新的最高分96.0%——比2023年創(chuàng)下的記錄提高了5.8個百分點。自2022年底以來，基準測試的表現(xiàn)提高了28.4個百分點。

行業(yè)對語言模型在醫(yī)療保健任務上的興趣激增，在PubMed中“大型語言模型”一詞的檢索結(jié)果為1566篇，僅2024年就發(fā)表了1210篇。

目前大語言模型已經(jīng)在臨床決策上展現(xiàn)出強大實力，一項涉及92名醫(yī)生的隨機對照試驗顯示，GPT-4獨立運行的決策水平與使用GPT-4進行輔助決策的人類醫(yī)生表現(xiàn)相當。

臨床文檔長期以來一直是醫(yī)生沉重負擔的來源，如今AI正在解決這一難題。

斯坦福大學的研究人員進行了一項完全集成的自動化AI速記系統(tǒng)測試，結(jié)果顯示醫(yī)生的采用率高達55%，AI速記使得每條記錄節(jié)省了約30秒的時間，醫(yī)生的負擔和倦怠分別平均減少了35%和26%。

這些發(fā)現(xiàn)表明，由AI驅(qū)動的速記技術(shù)可以顯著改善醫(yī)生的工作流程和福祉，既節(jié)省時間又減輕行政負擔。

報告進一步表示，AI融入電子健康記錄系統(tǒng)可以簡化臨床工作流程，提升醫(yī)護人員和患者的體驗并減輕醫(yī)療負擔。主要供應商——Epic、Oracle Health、Meditech和TruBridge已廣泛采用AI。

近年來AI在醫(yī)療保健中的顯著影響，從FDA授權(quán)數(shù)量也能得到體現(xiàn)。

統(tǒng)計顯示，自2015年起，FDA每年批準的AI醫(yī)療器械數(shù)量呈現(xiàn)指數(shù)級增長，到2023年已達到223款。