// AI 新闻 · 2026-11-14 · Nature
人工智能与数据科学在美医疗学习健康系统中的整合研究综述
一项针对2007年1月至2025年8月期间美国发表的英文研究进行的范围综述发现，共纳入54个学习健康系统（LHS）框架研究和30项人工智能与数据科学应用研究。LHS框架包含五个核心组件：数据基础设施与互操作性、治理与利益相关者参与、持续学习与改进循环、证据生成与转化、以及公平性与伦理考量。AI研究中，仅17%涉及治理与利益相关者参与（对比框架研究中的35%），13%关注公平性（对比22%），显示出对组织功能的关注不足。多数AI研究集中于数据到知识的阶段，仅有三篇延伸至知识到实践转化，且无研究描述实践反馈如何驱动模型更新。
原文发布 2026-11-14 08:00（北京时间）来源 Nature自动整理 · 已核对原文
01摘要
该研究指出，当前人工智能应用仅覆盖学习健康系统部分愿景，侧重知识生成，缺乏对组织机制和闭环反馈路径的重视，限制了其在临床实践中落地与持续学习能力的实现。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- 54个LHS框架研究中，56%为真实世界实施，44%为概念性改编。
- AI研究中治理与利益相关者参与、公平性关注度显著低于框架研究。
- 多数AI应用聚焦数据到知识阶段，缺乏向知识到实践及实践反馈的延伸。
- 当前AI在LHS中的整合未涵盖完整的证据到实践闭环和反馈机制。
03原文出处
Nature · 发布于 2026-11-14 08:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-14 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日