AI 医疗行业研究报告·分报告④
医学研究与公共卫生（科研 / 真实世界研究 / 人类遗传资源）
（报告日期：2026 年 8 月 5 日；数据口径截至 2026 年上半年，关键节点均经检索核验。）
————————————————————————————
一、板块定位与范围
本板块指 AI 在"医学知识与证据生产端"的应用，包括科研辅助（文献/假设生成）、真实世界研究（RWE）与真实世界数据（RWD）、公共卫生监测与预警、以及承载这些活动的基础性合规制度——人类遗传资源（HGR）管理。其主体是科研院所、医院科研处、疾控中心与药企医学部，区别于"临床服务"（分报告①）与"产品注册"（分报告②③）。
二、发展现状
AI 科研辅助（如科研大模型、文献挖掘、假设生成）显著提升研究效率；真实世界研究借助电子病历、医保与随访数据生成证据，支撑器械与药品上市后评价；公共卫生侧，AI 用于传染病监测、流行病建模与资源调度。基础制度层面，《人类遗传资源管理条例实施细则》（科技部令第 21 号，2023-05-26 公布、2023-07-01 施行，共 78 条）明确界定 HGR 范围与出境规则，是悬在所有涉及基因数据研究之上的合规底座。
三、细分赛道
细分 | 典型形态 | 成熟度 | 关键约束 |
科研辅助 AI | 文献综述、假设生成、实验设计 | 成长 | 科研诚信、可复现 |
真实世界研究 RWE | RWD 清洗、证据生成、上市后评价 | 成长 | 数据质量、合规来源 |
公共卫生 AI | 监测预警、流行病建模、资源调度 | 成长 | 数据口径、隐私 |
人类遗传资源管理 | HGR 登记、出境审批、安全审查 | 制度化 | 科技部令 21 号 |
四、头部力量（机构 vs 企业）
本板块以"机构主导 + 企业赋能"为主：头部力量是国家级科研院所、高校医学院、医院研究型病房与疾控中心；企业侧以科研 SaaS、真实世界数据平台、基因组数据合规服务商为代表（多为 AI 原生或大数据转型企业）。与临床服务/器械不同，本板块较少出现纯 AI 原生"巨头"，更依赖机构资质与数据合规能力。
五、融资情况
本板块融资相对间接，多嵌套在 AI 制药（见分报告③）、真实世界数据平台与生物计算企业中。2026H1 全球医疗健康融资约 320 亿美元（+16%），生物医药 390 笔、184 亿美元（占 57.5%），其中大量资金流向依赖真实世界数据与 HGR 合规管理的研发活动。
六、法律法规与合规核心：人类遗传资源
《人类遗传资源管理条例实施细则》（科技部令第 21 号，2023-05-26 公布、2023-07-01 施行，共 78 条）关键要点：
要点 | 规则 |
HGR 范围 | 基因、基因组数据属于人类遗传资源；临床、影像、蛋白、代谢数据不属于 |
境内采集限制 | 外方单位不得在境内采集 HGR |
对外提供 | 信息对外提供须事先报告，并接受安全审查 |
适用范围 | 涵盖保藏、利用、对外提供全流程监管 |
叠加《个人信息保护法》《数据安全法》《人类遗传资源管理条例》（国务院）及其实施细则，以及科研伦理审查办法。国际侧：EU AI Act Annex III(5)(d) 将急诊分诊等公共卫生 AI 列为高风险，义务 2027-12-02 生效；FDA/EMA GxP（2026-01 十项原则）约束 AI 用于研发的 data integrity。
七、与传统医学研究的区分及可替代性
区分：传统研究以人工文献梳理、小样本实验、人工统计为主，周期长；AI 研究以大规模数据挖掘、自动化假设生成与建模为主，提速显著。可替代性：文献检索、数据清洗、模式发现等"前端"可被 AI 大幅替代（中—高）；但研究设计伦理审批、实验验证、结论责任与学术诚信仍须人工承担（低替代/受限）。AI 是"研究加速器"，不能替代科研主体责任与可复现要求。
八、优劣分析
优势：提速 discovery、挖掘非线性关联、赋能真实世界证据、支撑公共卫生预警。劣势：数据偏倚与质量风险、黑箱难解释、HGR 合规复杂、科研诚信边界模糊（AI 生成内容署名/造假风险）、跨机构数据孤岛。
九、风险图谱
风险领域 | 典型表现 | 等级 | 应对 |
HGR 合规风险 | 基因数据违规出境、未事先报告 | 高 | 登记+事先报告+安全审查 |
数据与隐私风险 | 敏感健康/基因数据泄露 | 高 | 分级、脱敏、最小必要 |
科研诚信风险 | AI 生成内容不当署名、伪造 | 中—高 | 披露使用、可追溯 |
数据质量风险 | RWD 偏倚致错误结论 | 中—高 | 数据治理、质控 |
国际合规风险 | EU AI Act 公共卫生高风险、跨境 | 中 | 属地合规、数据本地化 |
十、可持续合规发展建议
1. HGR 前置：涉及基因/基因组数据的研究，立项即走登记与出境审批，外方单位不得境内采集；
2. 数据治理：建立真实世界数据质控与溯源，确保结论可复现、可审计；
3. 科研诚信：规范 AI 工具使用披露，防范生成内容造假与不当署名；
4. 伦理审查：AI 参与的研究须通过伦理审批，敏感数据设专门保护；
5. 公共卫生 AI：对标 EU AI Act 高风险义务（2027-12-02），预留合规改造窗口；
6. 协同共享：在合规前提下推动跨机构数据可信流通，破解数据孤岛。
————————————————————————————
说明：本分报告事实数据来自公开行业研究、监管与立法文件及权威媒体报道，关键节点均经检索核验。
