迈向 Medical AI Scientist

能够生成科学假设、开展实验并撰写论文手稿的自主系统，近来已成为加速科学发现的一种有前景的范式。然而，现有 AI Scientist 大多与领域无关，限制了其在临床医学中的适用性——临床研究要求以医学证据为基础并涉及专门的数据模态。在本工作中，我们提出 Medical AI Scientist，首个面向临床自主研究打造的自主研究框架。它通过临床医生与工程师协同推理机制，将经过广泛调研的文献转化为可操作的证据，实现扎根临床的选题构思，从而提升所生成研究想法的可追溯性。它还依托结构化的医学写作规范与伦理政策，支持以证据为根基的论文手稿撰写。该框架在3种研究模式下运行，即基于论文的复现、文献启发的创新和任务驱动的探索，每种模式对应自动化科学探究的不同层级，自主性逐级递增。大语言模型与人类专家的综合评估表明，在171个案例、19项临床任务和6种数据模态上，Medical AI Scientist 生成的研究想法在质量上显著高于商用 LLM 生成的想法。与此同时，我们的系统在所提出方法与其实现之间达到高度一致，并在可执行实验中展现出显著更高的成功率。人类专家与 Stanford Agentic Reviewer 的双盲评估显示，生成的论文手稿质量接近 MICCAI 水平，并持续超过 ISBI 与 BIBM 的论文。所提出的 Medical AI Scientist 彰显了利用 AI 在医疗健康领域开展自主科学发现的潜力。