在一项早期真实世界测试中，生成式人工智能在医疗研究领域展现出远超传统科研团队的速度与潜力。加州大学旧金山分校（UCSF）与韦恩州立大学的研究人员发现，AI能在几分钟内完成原本需数小时甚至数天才能完成的数据分析任务，且部分结果甚至优于人类团队。 研究聚焦于预测早产这一全球新生儿死亡主因，以及导致儿童长期神经发育障碍的关键问题。研究团队整合了来自约1200名孕妇的微生物组数据，涵盖九项独立研究的长期追踪信息。传统上，此类复杂数据分析需数月甚至两年才能完成。为加速进程，研究团队参与了名为DREAM（逆向工程评估与方法对话）的全球竞赛，已有超过100支团队在三个月内完成建模，但最终整合与发表仍耗时近两年。 此次研究中，研究人员首次尝试使用生成式AI直接处理相同数据。他们向8个AI聊天机器人提供精准自然语言指令，要求其自主生成用于分析微生物组数据和估算孕周的算法代码。结果显示，其中4个AI系统成功生成了可运行的代码，其模型性能达到或超过人类团队水平。更令人振奋的是，一支由UCSF一名硕士生和一名高中生组成的“初级”团队，在AI辅助下仅用数月便完成实验、验证结果并提交论文，效率远超传统模式。 UCSF儿科教授、Bakar计算健康科学研究所临时主任Marina Sirota指出：“AI能极大缓解数据科学中最耗时的瓶颈——构建分析流程。对亟需新疗法的早产患儿而言，这一提速至关重要。” 尽管AI展现出强大潜力，研究团队强调其仍需人类监督。AI可能生成误导性结果，且科学判断与问题设计仍依赖专家。但通过快速生成代码，AI让缺乏数据科学背景的研究人员也能高效参与前沿研究，将精力集中在提出关键生物医学问题上。 该研究由UCSF、美国国家儿童健康与人类发展研究所（NICHD）及ImmPort等机构资助，成果发表于2月17日《细胞报告·医学》。研究团队认为，生成式AI正重塑医疗研究范式，有望加速从数据到临床转化的进程。