Meta以Muse模型輔助產出十篇健康研究稿件

Meta人工智能團隊構建由醫學專家主導的研究支架，使用Muse Spark 1.3與Muse Wonder模型訪問約500萬條回顧性去標識化電子健康記錄及公開數據，協助完成十篇原創健康研究稿件。

系統在四周內由心臟病學、流行病學、傳染病學及內科背景的醫學專家使用，專家對隊列選擇、變量定義與因果假設保持完全決定權，模型負責加速假設生成、代碼執行與稿件起草。電子健康記錄來自2026年6月發佈的數據集，共含495萬名患者，其中乳腺癌編碼患者15.6萬人。十篇稿件覆蓋心臟病學、腫瘤學、傳染病、急診醫學、運動醫學與內分泌等領域，並經同儕反饋、生物統計學家分析審覈及第三方獨立專家總結性評閱。

其中一篇乳腺癌抗體藥物偶聯物序貫研究從數據集中識別106名患者，73名先接受trastuzumab deruxtecan後接受sacituzumab govitecan，33名順序相反；第二藥物醫囑跨度中位數分別爲63天與49天，差異爲負14天，95%自助置信區間負41至21天，分佈P值爲0.42，分析爲描述性未調整，醫囑並不等同於實際給藥或疾病進展。另一篇罕見真菌Cladophialophora bantiana病例系列從同一數據集識別21例確診或疑似病例，其中7例腦部感染，2例死亡，研究由MMWR近期報告觸發。

心律失常研究顯示感染性心內膜炎後患者新發心律失常與傳導障礙發生率較菌血症對照組高73%，一年風險7%對4%，專家評閱指出方法嚴謹但存在監測偏倚可能，結論更屬假設生成而非改變實踐。急診行爲健康研究顯示未經診視即離開的患者複診風險比爲1.86，住院風險比4.41，短期死亡風險比2.15。2型糖尿病緩解研究顯示常規護理中緩解不常見且短暫，多數因重啓治療而非糖化血紅蛋白回升而結束。

市場機制上，Meta將內部編碼支架與許可電子健康記錄資源開放給醫學專家隊列，以探索模型在不完美真實世界數據上的加速能力；專家以自身專業判斷換取代碼與起草效率，Meta則獲得模型在健康數據科學場景下的驗證案例與研究產出。資源流向模型推理與數據許可環節，受益方爲能快速完成觀察性研究的專家與Meta的模型驗證，承壓點在於電子健康記錄數據質量、因果識別限制以及後續同行評議對人工智能輔助稿件的接受度。

來源：公開信息