影像 AI 的資料鴻溝
醫療影像的訓練資料量，仍比一般 AI 小約 100 倍。
AI 正在改寫醫療，但證據還在追趕
AI 指數 2026 第 6 章橫跨醫療的四個層次 — 從分子生物學模型、臨床現場，到病人與倫理。能力一路狂奔，嚴謹驗證卻沒跟上。先看數字：
2582025 年 FDA 核准的 AI 醫材數
1,357累計 FDA 核准 AI/ML 醫材(2024 破千)
83% 病歷書寫時間減少(Sharp 醫療系統)
71% 蛋白質 AI 研究成長(2024→2025)
5362025 年影像 AI 前瞻試驗(2024 為 417)
92% 健康搜尋觸發 Google AI 概覽
6.1 — 分子生物學：小模型正在贏
生物學的 AI 模型橫跨「中心法則」 — 基因序列 → 蛋白質結構 → 藥物設計。2025 年，這個領域從「把模型做大」轉向「做得更有效率、更專精」。
AI 驅動的蛋白質研究在 2024 到 2025 年間成長約 71%。蛋白質—藥物交互作用居首，佔比從 49.9% 升到 54.4%；蛋白質結構預測的佔比則從 28.7% 降到 23.9%。但真正的頭條趨勢是：更小、更專精的模型，如今正在打敗大得多的模型。
小贏過大
- MSAPairformer，一個 1.11 億參數的蛋白質語言模型，在 ProteinGym 基準上超越先前的最佳方法 — 而且只用了一小部分的訓練與參數預算。2024 年的 980 億參數 ESM3，讓位給以效率為先的後繼者。
- GPN-Star，一個 2 億參數的基因體模型，在多項變異效應預測任務上勝過 Evo 2(400 億參數)— 一個參數近 200 倍大的模型。
- 在 AlphaFold 3 之後，共摺疊(cofolding)模型趨向相近的參數規模，而非繼續變大。AlphaFold 3 在 FoldBench 上的表現，至今仍未被顯著超越，即使後來釋出了更大的模型。
虛擬細胞，與資料瓶頸
- 虛擬細胞模型成為 2025 年的新前沿：Evo 2(Arc Institute)、STATE 與 DeepMind 的 AlphaGenome，目標是在不做濕實驗的情況下，預測細胞對藥物與基因擾動的反應 — 不過現行系統仍需實驗驗證。
- 如今卡住開發的是資料，而非架構。訓練集透過蒸餾的 AI 預測結構與整合的實驗資料來源，從數十萬筆擴大到數千萬筆；光是 Meta 的 OMol25 就收錄超過 1 億筆量子力學計算。
- Biomni，史丹佛開發的通用生醫 AI 代理，橫跨 25 個子領域，整合 150 個專用工具、105 個軟體套件與 59 個資料庫 — 把數位推理與實體實驗室驗證結合起來。
6.2 — 走進臨床現場
分子模型在這裡遇上病人。點任一張卡片看完整趨勢與數字。
LLM 的臨床推理
在處置推理上，o1-preview 得 86%，而用傳統資源的醫師只有 34%。
AI 代理進入臨床
微軟的診斷協調器搭配 o3，在困難案例上達 85.5%，未借助工具的醫師為 20%。
FDA 醫材核准激增
2025 年核准 258 項 AI 醫材；累計於 2024 破千 — 但只有 2.4% 有隨機試驗支持。
環境式 AI 病歷 — 採用最廣
採用最廣的臨床 AI；Northwestern 回報 112% 投報率、每月多看 11.3 名病人。
AI 敗血症預警 — 真的救命的部署
UC San Diego 的 COMPOSER 在 6,217 例住院中讓敗血症死亡率降 17% — 估計每年救 50 條命。
證據缺口與真實風險
一項回顧 500+ 臨床 AI 研究的分析發現，近半數用考試式題目而非真實病患資料。
6.3 — 病人真正想要什麼
當 AI 透過診間與消費性平台觸及病人，研究他們如何看待 AI 的論文成長了十倍(9 → 102 篇，2020–2025)。
AI 概覽已佔據健康搜尋的頂端
Google 生成的「AI 概覽」如今出現在多數健康相關搜尋結果的頂端 — 五種查詢類型平均有 84%–92% 會觸發一則概覽。症狀與常見健康問題最容易觸發(92%)，其次是治療相關查詢(90%)與疾病相關查詢(84%–88%)。
要的是輔助，不是自主
- 病人支持 AI 扮演輔助角色，而非自主決策，尤其在高風險的臨床情境中。
- 維繫人與人的關係是一個一致的主題 — 病人把「失去有同理心的照護」列為首要疑慮。
- 醫療提供者的背書，是病人接受度的關鍵決定因素；而 AI 使用的透明與揭露，在各族群中都被優先重視。
6.4 — 倫理討論在成長，但失衡
一項對 PubMed Central(2021 年 1 月至 2025 年 12 月)的文獻計量分析，追蹤了醫療 AI 論文中的倫理揭露。
在 2025 年所有醫療 AI 論文中，43.4% 觸及倫理主題 — 高於 2024 年的 37.1%(醫療 AI 與倫理論文從 1,114 篇增至 2,378 篇)。數量在攀升，但焦點並不均衡。
重治理，輕生物安全
倫理討論明顯偏向治理。2025 年只有 14 篇論文談到生物安全，直接探討誤用或軍民兩用倫理意涵的更少 — 在生物模型能力日增之際，這是一個值得注意的盲點。
全球健康是個例外
全球健康跳脫了由治理主導的模式：在 2025 年的全球健康論文中，51.8%(193 篇中的 100 篇)也提到倫理，而且社會性關懷 — 公平、正義與可近性 — 排名最高，超越了治理與演算法層面的關注。
用五句話看這一章
第 6 章「醫療」的頭條發現。
在分子生物學，小模型正在勝過大模型。
環境式 AI 病歷是 2025 年採用最廣的臨床 AI 類別 — 某醫療系統回報 112% 的投資報酬率。
FDA 在 2025 年核准 258 項 AI 醫材 — 但有臨床研究的器材中，只有 2.4% 有隨機試驗資料支持。
一套多代理 AI 系統在複雜的已發表病例上得 85.5%，而未借助工具的醫師為 20%。
在回顧的 500 多項臨床 AI 研究中，近半數使用考試式題目，而非真實病患資料。