Meta 用 Muse 研究脚手架协助医学专家在约 495 万份去标识化病历上产出 10 篇健康科学稿件，选队列与因果假设仍由人决定

这件事意味着什么

【要点】

Meta 10 月 14 日公布一个健康科学研究项目：医学专家借助一套「人主导」的研究脚手架（底层用 Muse Spark 1.3 和 Muse Wonder），在约 495 万名患者的去标识化电子病历数据上做研究，共产出 10 篇原创稿件，覆盖心内科、肿瘤、感染病、急诊等方向，论文页挂在 Meta AI 研究站。

按 Meta 的说法，选队列、选变量、做因果假设等关键科学决定都由专家负责，AI 承担提出假设、写代码跑统计、查文献和起草稿件。负责健康方向的 Jason Wei 说，这批病历是 Meta 向数据供应商购买授权的。

已公开的两篇摘要可以看出做法：一篇乳腺癌研究在 15.6 万名乳腺癌编码患者中找出 106 名先后用了两种抗体偶联药物（SG 与 T-DXd）的患者，比较两种先后顺序下第二种药的用药记录时长（中位 63 天 vs 49 天，差异不显著），文中明确写着分析只是描述性、未调整；另一篇用 21 个美国医疗系统的数据看「社会需求 Z 码」（住房、食物等困难的诊断编码）与后续急诊、住院的关系，并用一个行政编码做阴性对照，发现相当一部分关联来自「被记录」本身。

【可核验】

Meta 官方 X：https://x.com/AIatMeta/status/2110441716507693450

论文页（乳腺癌 ADC）：https://ai.meta.com/research/publications/human-guided-agentic-ai-for-end-to-end-ehr-research-sequential-antibody-drug-conjugate-pathways-in-breast-cancer/

论文页（Z 码与急诊住院）：https://ai.meta.com/research/publications/social-needs-z-codes-and-subsequent-acute-care-across-21-u-s-health-systems/

Jason Wei 说明：https://x.com/_jasonwei/status/2110443686782013909

【我们的判断】

一、这是继 Muse Spark 数学合作论文之后，Meta 把「AI 加专家写论文」从形式科学推到真实世界数据。难点不在写稿，而在脏数据和因果设计，Meta 把这些决定留给人，是合理的分工。

二、两篇摘要都写明了局限（只看医嘱、不能确认真实用药；描述性分析），Z 码那篇还专门做了阴性对照，这比单纯堆产量更有说服力。

三、10 篇稿件目前是 Meta 自己发布，尚未经期刊同行评审；数据是商业授权病历，外部研究者无法复现。真正的检验是这些稿件能否在正式期刊发表、结论是否站得住。