上海交大计算机学院盛斌团队在《柳叶刀·数字医疗》发文，提出生成式AI赋能临床研究新范式

2026年1月2日，上海交通大学计算机学院、人工智能教育部重点实验室盛斌教授团队联合清华大学医学院黄天荫教授等多学科学者，在国际主流期刊《柳叶刀·数字医疗》（The Lancet Digital Health，IF=24.1）发表题为《生成式人工智能能否赋能目标试验仿真？》（Can generative artificial intelligence empower target trial emulations?）的观点文章( DOI: 10.1016/j.landig.2025.100950)。该研究创新性地提出将生成式人工智能与数字孪生技术深度融合，为临床研究中目标试验仿真（TTE）的优化升级提供全新解决方案，有望突破传统临床研究的多重瓶颈，推动医学证据生成进入高效、普惠的新阶段。

临床研究的“两难困境”：RCT的局限与TTE的挑战

随机对照试验（RCT）长期以来被视为验证医疗干预（如药物、器械、AI算法）与患者健康结局因果关系的“金标准”，但其在实际应用中面临诸多难以逾越的障碍：高昂的研究成本、漫长的周期、狭窄的入排标准导致研究结果难以推广至真实世界人群，同时部分干预措施因伦理争议无法开展RCT。

目标试验仿真（TTE）作为一种务实的研究框架，通过将RCT的设计原则应用于现有观察性数据（如电子健康记录），为解决上述问题提供了新思路。它通过明确界定入排标准、干预措施、对照方案和结局指标，显著提升了真实世界研究的透明度，减少了常见偏倚，实现了更具可扩展性和包容性的临床有效性评价。然而，TTE的广泛应用仍受三大核心挑战制约：一是研究设计与方案撰写复杂，需将真实世界数据与假设试验条件精准对齐，对研究者专业能力要求极高；二是无法完全消除混杂因素，难以模拟“患者接受替代治疗”等未观测到的反事实场景；三是针对罕见病或弱势人群的观察性数据样本量不足，导致统计效力受限。

生成式AI的“破局之道”：三大维度赋能TTE革新

研究团队基于生成式人工智能的技术突破，系统性提出三大赋能路径，为TTE的核心挑战提供针对性解决方案：1. 智能化研究设计，降低技术门槛：生成式AI可自动将临床概念映射为标准化的试验定义，从电子健康记录中精准提取符合TTE要求的入排标准、变量信息，高效完成研究方案撰写与文档规范化，帮助更多研究者掌握TTE的设计逻辑，大幅降低技术应用门槛。 2. 反事实场景仿真，逼近因果推断本质：借助数字孪生与医学世界模型的理念，生成式AI能够模拟真实世界中无法直接观测的临床场景——例如患者接受不同治疗方案、调整用药剂量或治疗时序后的健康结局，帮助研究者更精准地分析干预措施的真实效果，弥补TTE在因果推断中的固有缺陷。 3. 合成数据“造血”，破解样本量困境：通过精准模拟真实医疗数据的分布特征，生成式AI可构建高质量合成数据集，有效扩充罕见病、弱势人群等数据稀缺领域的样本量，既提升了研究的统计效力，又改善了研究人群的代表性，让临床证据更具普惠性。

严谨前行：直面风险，筑牢伦理与规范防线

团队同时强调，生成式AI在TTE中的应用需警惕潜在风险。例如，合成数据可能存在敏感信息泄露隐患，或放大原始数据中的固有偏倚；AI模型的“黑箱”特性也可能影响研究结果的可解释性与可重复性。对此，研究提出必须建立清晰的技术标准、透明度规范与问责机制，通过临床医生、试验设计者、数据科学家与监管机构的跨学科协作达成共识，强化伦理监督，确保技术应用的安全性与可靠性。

这一研究与团队此前在《自然·生物医学工程》（Nature Biomedical Engineering）发表的《合成数据助推医学基座模型发展》述评形成呼应。此前述评已系统阐述合成数据在突破医疗数据隐私保护、标注成本、数据孤岛三大瓶颈中的核心价值，同时指出其“双刃剑”属性——既可能成为模型性能提升的催化剂，也可能因数据“毒性”损害模型公平性。本次《柳叶刀·数字医疗》的研究进一步将合成数据的应用聚焦于临床研究核心环节，提出“真实世界数据为基、合成数据为补”的融合路径，为医学AI从技术创新走向临床落地提供了严谨的实践指引。

本研究由上海交通大学盛斌教授团队与清华大学黄天荫教授团队共同完成，上海交大管洲榆博士、清华大学曾典博士与上海交通大学李华婷教授为共同作者。研究得到了国家自然科学基金、国家重点研发计划、国家重大慢病专项、上海市科技重大专项等项目的联合资助。团队长期深耕人工智能与医学交叉领域，聚焦代谢性疾病、眼科疾病等重大慢病的智能诊疗研究，该文章不仅为解决RCT不可行场景下的医学证据生成问题提供了新工具，更推动临床研究从“数据驱动”向“知识驱动”转型，为提升我国医疗科技竞争力、构建自主可控的医疗数据生态、服务“健康中国”战略提供了关键技术支撑。未来，团队将继续深化跨学科协作，联合临床机构、监管部门等多方力量，推动生成式AI赋能TTE的标准化与规模化应用，让先进技术切实惠及更多患者，为医学科研的创新发展注入持续动能。

通讯作者简介：

盛斌博士，现为上海交通大学计算机学院计算机应用研究所/人工智能教育部重点实验室教授、博士生导师，主持国家自然科学基金青年科学基金项目（A类），任上海市代谢相关疾病智慧防控“一带一路”国际联合实验室副主任，曾获国家级高层次青年人才。研究领域包括虚拟现实与智能医学。ISBI2020、MICCAI2022-2024国际眼底影像人工智能读片竞赛主席，任计算机科学主流期刊The Visual Computer执行编辑(Managing Editor)。近五年以（共同）第一/通讯在JAMA、Nature Medicine、Lancet Digital Health、IEEE TPAMI及IJCV等期刊发表文章69篇。获上海市科技进步特等奖、两次世界人工智能大会SAIL AWARD榜单项目、国际图形学学会（Computer Graphics Society）杰出贡献奖、全国医工结合科技创新十大进展、中国2024年度重要医学进展(中国医学科学院颁发），眼科学中国十大原创进展等荣誉。作为负责人承担国家重点研发项目课题、国家自然科学基金、上海市科委等科研项目。

作者： 计算机学院 供稿单位： 计算机学院（网络空间安全学院、密码学院）