作者解读 | 在“数据科学与人工智能—全球健康”交叉领域建立共识框架

头像

柳叶刀TheLancet

2026-02-26 17:03发布于北京柳叶刀TheLancet官方账号

 《柳叶刀-全球健康》（The Lancet Global Health）近日发表国际全球卫生学会联合浙江大学医学院公共卫生学院、牛津大学、爱丁堡大学与斯洛文尼亚Bled AI领导力研究院等机构共同开展的卫生政策研究（Health Policy），对全球健康领域数据科学与AI相关研究议题进行系统整理与评价。研究团队强调，中低收入国家不应仅作为数字医疗技术的被动接受者，更应成为全球议程的共建者与引领者。我们邀请作者团队带来文章解读。识别二维码或点击阅读原文，阅读论文原文。

图片




数据科学和人工智能（AI）正深刻改变全球健康实践。从传染病监测、辅助临床诊断，到卫生资源配置与公共卫生干预设计，相关技术的应用场景持续拓展，尤其为资源紧张的中低收入国家带来了缩小卫生服务差距的新可能。然而，全球范围内的相关研究与实践仍较为分散，地区间能力差距明显。中低收入国家普遍面临数字基础设施薄弱、AI治理能力不足、技术人才紧缺等现实瓶颈，围绕算法偏见与数据主权的争议又进一步加大了AI公平、可持续部署的难度。一个根本性问题亟待回答：在数据科学、AI与全球健康的交叉领域，哪些研究方向最为紧迫？有限的科研资源应优先投向哪些议题？对此，国际社会尚缺乏一套系统且可操作的共识框架。
  
研究采用“儿童健康与营养研究倡议（CHNRI）”方法，对全球健康领域数据科学与AI相关研究议题进行系统整理与评价。研究共纳入155项候选议题，并从五个维度进行评价：可行性与可回答性、对疾病负担的潜在影响、范式变革潜力、转化与实施可能性，以及对健康公平的影响，最终形成了首份基于广泛国际专家共识的“数据科学与AI全球健康研究优先议题清单”。此外，研究将专家共识结果与多种大语言模型的输出进行了系统比较，为理解AI工具在科研议题设定中的潜在作用提供了参考。


图片

图1：CHNRI方法的实施流程


研究发现，国际专家普遍认可的优先议题集中在传染病监测、诊断准确性提升与卫生系统效能优化三大方向，具体包括：开发面向疫情暴发的AI预测模型；提升中低收入国家在结核病、疟疾和新冠肺炎等疾病诊断中的速度与准确性；改进疫情早期数据的实时分析方法，强化早期预警能力。

研究同时揭示了不同收入水平国家在议题侧重上的结构性差异。高收入国家的专家更关注系统与政策层面的优化，如成本效益建模、气候与健康数据整合、数据基础设施建设等；中低收入国家的专家则更强调对基础医疗服务与疾病防控的直接支持，如疫情预测、基础诊断能力提升、免疫接种普及和儿童健康等。这一分化表明，全球卫生研究议程的制定不宜简单套用统一排序，而应结合各地资源条件与健康需求进行本地化适配。

在专家共识与大语言模型的比较中，两者在疫情准备、卫生系统优化等传统领域表现出较高一致性。但大语言模型提出的议题覆盖面更广，延伸至母婴健康、心理健康与伦理治理等跨领域主题，体现出其在知识整合与趋势识别方面的优势。相较之下，人类专家的评估更注重现实可行性、系统约束与政策可落地性，经验判断与情境理解仍不可替代。

本研究是全球范围内首次在“数据科学与AI—全球健康”交叉领域建立的多国专家共识框架，为科研资助机构识别重点方向、优化资源配置提供了战略依据，也为政策制定者推动数字健康技术的安全应用与伦理治理提供了实证参考。研究团队强调，中低收入国家不应仅作为数字医疗技术的被动接受者，更应成为全球议程的共建者与引领者。END

作者介绍

浙江大学公共卫生学院“百人计划”研究员、浙江大学医学院附属第二医院双聘教授、国际全球卫生学会（ISoGH）副主席宋培歌为本研究的第一作者及共同通讯作者。


Declaration of interests

PS serves as Vice-President of the of the International Society of Global Health (ISoGH), with no personal financial remuneration from this role. AB reports receiving support for attending meetings and/or travel from the Deutscher Akademischer Austauschdienst, the Global South Medical Education & Research Hub, and Johns Hopkins University. GŠ serves as cochair of the Artificial Intelligence in Medicine Society. AT reports receiving multiple grants and contracts from the European Union Horizon Europe Programme, the National Institute for Health and Care Research, UK Research and Innovation (UKRI), the Bayes Innovation Fellowship (University of Edinburgh), the Wellcome Trust, the Medical Research Council, Asthma UK, the NHS Education for Scotland Digital Health and Care Transformation Leaders Programme, the UKRI/Versus Arthritis Advanced Pain Discovery Platform Consortia, Health Education England, the Standard Life Grant (University of Edinburgh), the Economic and Social Research Council, the British Heart Foundation, and Health Data Research UK, covering projects on biomedical informatics, digital health, and data science; honoraria from the World Artificial Intelligence Conference (Shanghai, 2024) and Cirrus Logic (UK, 2024); and support for attending meetings and/or travel from the 24th HealthWorld Conference (Athens, 2025), co-organised by the American-Hellenic Chamber of Commerce, the European Federation of Pharmaceutical Industries and Associations (EFPIA), and MedTech Europe. OBO reports support from the National Institute for Health and Care Research (NIHR)-funded EQUI-RESP-AFRICA study. MS reports holding stock grants from Google (developer of AI models). AS reports receiving a research grant from Health Data Research UK. IR serves as co-Principal Investigator of the NIHR UK EQUI-RESP-AFRICA Global Health Group and as President of the ISoGH, with no personal financial remuneration from either role. The EQUI-RESP-AFRICA Global Health Group is funding the work and covers article processing charges. All other authors declare no competing interests.




DOI: 10.1016/S2214-109X(25)00473-5

*中文翻译仅供参考，所有内容以英文原文为准。


相关阅读


图片