2025年10月，国际顶级医学期刊《英国医学杂志》（The BMJ）发表了题为Transforming Chinese Cohort Studies through Artificial Intelligence: A New Era of Population Health Research（《人工智能赋能中国队列研究：开启人群健康研究新纪元》）的分析文章。文章系统性探讨了人工智能（AI）如何突破中国流行病学和队列研究的瓶颈，推动群体健康研究迈入新阶段。
文章发表图
中国队列研究的独特优势与现实困境
文章指出，中国具备开展大规模队列研究的独特条件：14亿人口、56个民族、城乡分布广泛、医疗体系数字化程度快速提升。然而，这一潜力尚未得到充分发挥。
目前，中国的队列研究仍面临多重挑战：基层研究设施薄弱、数据体系碎片化、长期随访率偏低、区域间科研能力差距显著。这些结构性问题导致农村与欠发达地区人群在研究中代表性不足，影响研究结果的外推性与政策应用价值。
AI赋能：重塑队列研究的新范式
人工智能正全面重塑队列研究的理念与方法，从研究设计、数据采集到随访追踪与多模态分析，推动研究流程实现智能化与系统化。与以往主要聚焦临床诊断和影像分析的AI研究不同，中国正探索将AI嵌入流行病学与长期人群研究的全过程。目前，一系列AI驱动的科研平台已被用于疾病分布建模、研究设计优化及样本筛选，显著提升了队列研究的代表性与科学严谨性。
与此同时，AI与可穿戴设备、移动健康技术的融合，使长期健康监测与实时数据采集成为可能。例如，覆盖24万人的华为可穿戴设备心律失常监测研究验证了AI在大样本、低成本随访中的可行性，为基层和社区人群研究提供了新路径。
文章指出，这些实践标志着AI正从临床工具向科研引擎转变，推动形成一种“AI反哺科研”的双向创新模式，并孕育出新的“智能流行病学（Intelligent Epidemiology）”研究范式。
政策引领：构建AI驱动的健康科研生态
文章回顾了中国在政策层面推动AI赋能健康科研的系统布局。
自“十三五”国家科技创新规划起，国家陆续发布《数据要素×三年行动计划（2024-2026）》、“AI+行动计划”及《紧密型县域医共体建设指导意见》等政策文件，从数据治理、技术创新到城乡医疗一体化，为AI驱动的健康研究奠定了制度基础。
这些顶层设计形成了多层次的政策合力，使中国逐步构建起以人工智能为核心的数字化公共卫生研究体系，为AI赋能队列研究提供了制度保障。
AI赋能队列研究的未来挑战与应对策略
尽管人工智能正在重塑中国的队列研究体系，文章指出，AI赋能的队列研究（AI cohort）仍面临从“技术突破”迈向“系统建设”的关键挑战。这些挑战主要体现在“四个P”维度：Place（资源布局）、People（人才体系）、Platform（数据标准）与Policy（治理机制）。
一是资源布局不均（Place）
当前AI技术与算力资源高度集中在京沪粤浙苏等发达地区，而中西部与基层医疗机构在基础设施与数据治理能力上仍然薄弱。这种结构性差距限制了全国范围内的多中心研究与人群代表性。未来应通过区域算力共享中心和开放科研平台，实现AI基础设施的普惠布局，推动研究公平性与科学代表性的提升。
二是复合型人才短缺（People）
AI赋能的群体健康研究需要兼具人工智能、流行病学与数据科学知识的跨界人才。然而，当前国内相关培训体系尚不完善，科研与临床团队在AI技术理解与应用上仍存在明显鸿沟。文章建议建立国家级跨学科培养计划，形成面向医务人员、数据科学家与公共卫生研究者的协同培养机制，加速“AI科研共同体”的建设。
三是数据标准缺失（Platform）
数据质量与标准化仍是AI cohort的核心瓶颈。中国医疗数据存在异质性高、编码体系不统一、记录规范差异大的问题，AI模型常难以跨机构泛化。
此外，多模态数据（影像、基因、行为、环境等）的清洗与整合成本高昂，进一步限制了模型的可重复性与可信度。未来应建立全国统一的数据标准体系与联邦学习框架，在保障隐私的前提下实现安全共享与模型稳健推广。
四是治理体系滞后（Policy）
AI cohort依赖长期、连续的健康数据采集，带来了前所未有的伦理与隐私挑战。传统一次性知情同意已难以应对动态数据使用场景，算法“黑箱性”也加剧了公众的不信任。
作者建议，尽快建立动态知情同意机制、可解释AI体系与持续算法审计制度，完善科研全过程监管。同时，推动政府、科研机构与产业的联合投入，构建多方共建、可持续发展的AI科研生态。
文章最后指出，AI赋能的队列研究不仅是科研工具的更新，更是科学范式与研究伦理的深度重构。要实现从数据与知识的双驱动的智能流行病学，需要在创新速度与伦理规范、公平原则与科学严谨性之间取得平衡，使AI真正成为促进科学发现与公共健康公平的核心力量。
结语
AI赋能的队列研究正在推动中国群体健康科学进入新阶段。
然而，只有在公平、公信与科学严谨的前提下，AI才能从“辅助研究的工具”转变为“驱动科学创新的引擎”。
未来，如何在创新速度与伦理约束之间取得平衡，在科学探索与社会信任之间构筑共识，将决定AI cohort能否真正实现“以智能助科学、以科学促健康”的宏大目标。
本研究为BMJ与华西医院、吉林大学第一医院联合推出的“全球大型队列研究”特刊之一，由BMJ主编团队John Ji与Jocalyn Clark组织审稿与出版。
作者团队
黄天荫教授：清华大学副教务长、医学院院长，人工智能与群体健康研究国际领军专家。
曾典博士：清华大学医学院博士后研究员，专注医学AI与临床研究。
李华婷教授：上海交通大学医学院附属第六人民医院内分泌代谢科教授，糖尿病队列和临床研究专家。
Josip Car教授：伦敦国王学院生命与人口科学学院院长，数字健康与初级保健专家。
覃宇宗教授：新加坡国立大学总统青年教授，AI与流行病学专家。
点击阅读原文查看文章：doi:10.1136/bmj-2024-082568
科研动态
