biomedical

concept · First seen 2026-05-22 · Last seen 2026-10-22 · 21 mentions

Overview

Biomedical(生物医学)指生物学与医学交叉的研究领域,涵盖疾病诊断、医学影像、药物发现和生物信息学等方向。当前,AI 与 biomedical 的结合正在从论文热区进入真伪与落地能力的检验期,方法学严谨性和评测标准成为业内最关注的问题。

Biomedical AI 的近期进展

  • 97% 的相关研究被认为统计方法存在缺陷。Gary Marcus 提出警告:如果这一比例属实,biomedical AI 可能正走向可重复性危机——大量模型的阳性结果或源于统计口径不当,而非真实的临床价值(Biomedical AI 或面临可重复性危机:97% 研究统计方法无效)。
  • 批次效应(batch effect)被系统性评测。BatchBench 基于 JUMP Cell Painting 数据构建了首个图像榜单,检验模型在域偏移下的鲁棒性,回应了生物医学影像模型「换个实验室数据就失灵」的常见质疑(BatchBench: Benchmarking AI Robustness to Batch Effects and Domain Shift in Biomedical Images)。
  • 验证方法学被写成场景指南。一项研究系统梳理了从 hold-out 划分到嵌套分组交叉验证的方案,专门面向 biomedical 与应用研究,试图给出避免数据泄漏的实操框架(Model validation in machine learning: A scenario-based guide)。
  • 自进化因果发现与知识图谱应用继续推进:DoAtlas-2 提出了自我演化的因果生物医学发现基础模型(DoAtlas-2);Hyperbolic 图表示学习被用于基于生物医学知识图谱的鉴别诊断(Hyperbolic Graph Representation Learning);AdaPath 则针对多跳隐式生物医学知识图谱问答提出路径库检索方案(AdaPath)。
  • 资金与人才向落地侧流动。BARDA 向 Flosonics Medical 授予最高 7000 万美元合同,推动其 AI 可穿戴超声进入创伤护理出血检测场景(BARDA Awards Flosonics Medical Up to $70M);一位在加州理工任职超过 20 年的生物医学影像先驱科学家转赴新加坡国立大学,反映亚太地区在人才竞争上的吸引力上升(Pioneer biomedical imaging scientist leaves Caltech)。
  • 当前焦点与观察点

    争议核心在于「性能数字能否转化为临床可信度」:OpenAI 相关团队也在追问,一个榜单到底能认证什么,如何对生物医学文献综述智能体做公平评估(What Can a Leaderboard Certify?)。短期值得关注的三个信号:一是统计方法学与数据泄漏问题的整改能否跟上模型发布速度;二是批次效应等域偏移评测是否会成为生物医学影像模型发表的事实门槛;三是政府订单与人才流动显示的产业重心变化,可能使美国之外的生物医学研究力量持续增强。

    Coverage

    10 on file