AI合成数据在生物医学中的十年增长与持续存在的转化鸿沟
核心概要
该研究对2015至2025年间4143篇关于生物医学AI合成数据的文献进行了系统映射与文献计量分析，结合专家标注与大语言模型辅助分类，覆盖数据模态、医学领域、论文类型、部署状态与研究立场，发现发文量持续增长、77.8%的论文持强烈支持态度而批判性工作不足1%、医学影像占据语料主体、高被引原创研究集中于分子与制药应用，且仅27篇报告了实际运行使用，从而揭示出方法学增长与部署落地之间的鸿沟。
深度剖析
该研究构建了一个覆盖2015至2025年、共4143篇出版物的系统映射与文献计量图谱，并按数据模态、医学领域、论文类型、部署状态和研究立场进行多维分类。 相对于以往聚焦单一方法或单一领域的综述，该工作以十年跨度和多维度标注的方式，对生物医学AI合成数据研究整体格局进行了量化刻画。 基于4143篇出版物的系统映射，结合专家标注与大语言模型辅助分类，样本规模与分类维度在文本中有明确交代。
发文量持续增长，且研究立场高度偏向支持：77.8%的论文持强烈支持态度，批判性工作占比不足1%。 该结果量化了该领域研究立场的分布，指出支持性文献占绝对主导而批判性声音极为稀少。 来自对4143篇出版物按研究立场进行标注后的统计结果，文本给出了77.8%与不足1%的具体比例。
医学影像主导了整个语料库，这与该领域具有良好刻画的变换群不变性、从而支持数据增强与生成建模有关；高被引原创研究则不成比例地集中于分子与制药应用，其中SE(3)等变架构与结构预测模型加速了生成式方法。 该发现将研究热点的分布与不变性结构的可刻画程度联系起来，指出不同模态在生成建模上的适配性差异。 基于语料库的领域分布统计与高被引原创研究的集中趋势，文本以变换群不变性和SE(3)等变架构作为解释性线索。
仅27篇出版物报告了实际运行使用，组学与表格化临床数据因缺乏良好刻画的不变性结构而代表性不足，整体呈现出方法学增长与部署落地之间的鸿沟。 该结果将部署状态纳入文献计量，明确指出从方法研究到实际应用之间存在明显落差，并指出组学与表格临床数据是代表性不足的方向。 基于部署状态标注得到的27篇运行使用记录，以及组学与表格临床数据在语料中的代表性统计。
启示与展望
该研究适用于理解2015至2025年间生物医学AI合成数据研究的整体分布与部署状态，其结论面向关注该领域研究格局、评估标准与部署报告的研究者与资助方；所刻画的是文献层面的模式，而非对某一具体方法在特定临床或实验场景中有效性的验证。
该文以摘要形式呈现，未展开各分类维度的具体标注细则、专家标注与大语言模型辅助分类之间的一致性，以及27篇运行使用出版物的具体构成；读者若需据此判断某一模态或领域的部署成熟度，仍需查阅完整论文中的图表与分类细节。