2026 年 5 月 13 日下午，由浙江省健康服务业促进会主办，阿里健康协办的 " 国际医学期刊与临床 AI 融合沙龙 " 在杭州举行。JAMA、BMJ、Elsevier 等多家国际医学期刊或出版集团核心代表出席，与来自全国的 80 多位临床医生交流。据观察，这是近年来少有的国际顶级医学期刊或出版社齐聚中国。

多方共谈医学 AI 基建，政策、算力与临床落地如何支撑医学 AI 未来

浙江省健康服务业促进会会长申屠正荣现场表示，作为省卫生健康委主管的社团组织代表，他将本次沙龙定位为一场 " 面向未来的对话，更是一次立足当前的探索 "。依托阿里健康在数字健康领域的优势，共同构建一个以 AI 为基础、面向医生的，可持续且可靠的交流模式。

浙江省健康服务业促进会会长申屠正荣

浙江大学医学院附属第二医院人工智能与信息化部主任相鹏教授随后登台介绍了国家级医学人工智能中试基地，其核心使命是打通从 " 科研论文 " 到 " 产业中试 " 再到 " 行业应用 " 的全链条。

在具体能力建设上，相鹏从 " 算力、数据、模型与测评 " 四个维度展开介绍，并且代表基地发出全球招募令，邀请创新创业团队加入验证、测评与推广体系。

浙江大学医学院附属第二医院人工智能与信息化部主任相鹏

遇见国际期刊，倾听中国医生的声音

随后来到重磅环节圆桌论坛，由阿里健康医学大模型市场及生态负责人殷杰主持，以 " 遇见国际期刊，倾听中国医生的声音 " 为主题，汇聚了 JAMA、BMJ、Elsevier 三大国际医学期刊及出版集团代表与中国临床专家，围绕 " 顶刊如何筛选 AI 时代的研究 " 等核心议题展开讨论。

JAMA 及 JAMA 期刊网络主编 Dr. Kirsten Bibbins-Domingo 首先揭秘了顶级医学期刊的筛选机制。她透露，JAMA 每年收到上万篇投稿，最终录用率仅约 4%，" 每天都在做非常艰难的决定 "。在她看来，一篇值得被全球看到的临床研究，核心标准在于其能否 " 改变医生的思维与行为 "，甚至重塑某一领域的研究观念。她同时澄清了外界对顶刊的误解：JAMA 发表的论文中，临床试验与观察性研究大约各占一半。她表示，对于如何平衡二者比例，同时如何更好帮助循证医学发展、帮助医生决策和临床实践，团队也做了相当多的思考。

JAMA 及 JAMA 期刊网络主编 Dr. Kirsten Bibbins-Domingo

北京大学第一医院信息中心副主任、心内科副主任医师李昱熙教授抛出犀利提问：AI 参与临床决策的研究，是否仍须以随机化实验（Randomized Controlled Trial，RCT）作为唯一评判标准？AI 应当会带来一些范式创新。Dr. Bibbins-Domingo 回应称，RCT 在多数情境下依然是金标准，但她也承认，面对大模型等快速迭代的技术，" 七年的随访实验 " 并不现实。真正的挑战在于，如何用技术的力量去完善和整合不同类型的循证证据，使随机试验、真实世界数据与算法模型能够更高效地协同，服务于患者健康与临床简化。

北京大学第一医院信息中心副主任、心内科副主任医师李昱熙教授

BMJ 集团伙伴关系发展总监、BMJ Innovations 期刊主编 Ashley McKimm 则以出版史为镜，类比了打字机发明时期期刊的适应过程。他指出，技术革新历来让期刊不堪重负，但也倒逼其提升质量。从期刊发展的角度出发，他指出应当不断适应新技术带来的挑战，并积极探索创新，同时维护好期刊的可靠性和准确性。

BMJ 集团伙伴关系发展总监、BMJ Innovations 期刊主编 Ashley McKimm

在 AI 融入研究的界线问题上，嘉宾们达成了高度共识。Dr. Bibbins-Domingo 强调，无论技术如何发展，医学出版的首要原则是 " 建立在人类判断之上 "。她明确反对将 ChatGPT 列为作者，因为机器无法对内容的真实性与准确性作出诚信承诺。她进一步指出，即便机器生成了虚假引用，追责的主体仍然是投稿的人类作者；权责的明确归属也正是系统蓬勃发展的基石之一。

Ashley Mckimm 则补充，AI 确实提供了 " 捷径 "，不可能阻止人们使用 AI；应该看到 AI 发展的积极一面，即帮助提升研究的准确性。他指出，AI 正在帮助非英语母语的研究者跨越语言壁垒，发表以往因语言障碍而被拒的高质量成果。他透露，BMJ 已经在内部实验中部署了一整套 AI 智能体，分别扮演研究员、作者、编辑与同行评审的角色，基于未发表数据生成原创性研究，以应对 AI 融入研究流程的挑战。

李昱熙教授也顺势追问：BMJ 率先要求研究者提供原始数据与统计代码的做法，JAMA 是否会跟进？Dr. Kirsten Bibbins-Domingo 回应称，JAMA 认同数据共享的基础设施价值并赞赏 BMJ 的探索，但尚未形成一致立场。她解释，通用性期刊面临双重挑战：其一，缺乏内部团队对共享数据进行系统性再分析；其二，现代数据共享模型在评估 AI 生成模型等新兴领域时，尚无法提供研究者所需的全部信息。加之 JAMA 覆盖多学科，不同领域对数据共享的传统与需求各异，难以制定一刀切的强制规则，因此需要更具弹性的多学科标准。

爱思唯尔（Elsevier）全球传播执行副总裁 Esra Erkal 从全球传播视角指出，AI 的可扩展性对中低收入国家的研究者尤为关键——它让资源有限的团队得以用更少投入完成更多工作；AI 让知识和技术方法变得更容易被触及，广泛意义上更加公平。但同时她也强调公信度的维护和决策难度的上升。

爱思唯尔（Elsevier）全球传播执行副总裁 Esra Erkal

Dr. Bibbins-Domingo 总结道，理想状态是研究团队与科技企业协同工作，在增强公平性的同时维持高质量发展愿景；一种新型伙伴关系和生态系统分工正在孕育，她对此表示乐观。

浙江省肿瘤医院乳腺内科副主任医师雷蕾将话题引向临床医生的实际困惑：当越来越多期刊为 AI 研究开设专门栏目，临床医生应如何找准自身研究的界线和投稿策略？

浙江省肿瘤医院乳腺内科副主任医师雷蕾

Ashley McKimm 回应称，BMJ 旗下已有专注质量与安全的垂直期刊，未来不排除出现专门面向 AI 发展与质量评估的期刊；但他更预判，随着 AI 渗透医学各个领域，" 所有期刊都将拥有 AI 专栏 " 才是大势所趋，AI 不会局限于某一特定期刊，而将成为所有医学出版物的标准配置。

Dr. Kirsten Bibbins-Domingo 对此补充，关键在于不必将 AI 研究与传统临床内容过度割裂。医生需要理解技术对临床实践的意义，而期刊的筛选标准始终锚定临床价值——无论是算法本身还是应用场景，最终都要回到 " 是否提高患者健康、是否改善医生决策 " 这一根本问题。

圆桌尾声，嘉宾们不约而同地指向了信息过载的现实。李昱熙提到，150 年前医生尚可逐篇阅读期刊，如今心血管专科医师已不可能穷尽所有文献。Dr. Bibbins-Domingo 回忆，自己读博时导师要求跟进五大顶刊的邮件更新，而现在相关文献分散于数十种期刊之中。"AI 的力量就是帮助我找到所有想要读的文献 "，她坦言。Ashley McKimm 也描述了自己让 AI 每日推送相关文献的习惯——这在十年前需要泡图书馆才能完成。

在随后的听众问答环节，现场医生与研究者将讨论从宏观伦理拉回到具体痛点：AI 幻觉如何规避？中国真实世界研究如何被国际顶刊接纳？期刊对 AI 辅助写作的算法有何要求？嘉宾们的回答呈现出技术乐观与专业审慎之间的持续张力。

一位听众率先抛出 AI 在文献查询中 " 幻想和妄想 " 导致引用失真的困境。Dr. Kirsten Bibbins-Domingo 将答案锚定在 " 引用真实度 " ——对她而言，无论 AI 如何合成与收集信息，最终能否提供可验证的真实引用，是判断一个 AI 工具是否值得在临床实践中使用的最底线标准。Esra Erkal 则从出版商视角补充，降低幻觉的关键在于底层数据集的质量：" 专注于更加高质量并且可靠的期刊数据 "，同时必须有人类专家参与校验，而非完全交由模型自主选择。Ashley McKimm 则表示不会太担心幻觉，因为知道它的确会发生，因此需要多重检查验证。

中国专家则从行业特性上给出审慎意见。李昱熙提醒，医疗是一个不容错的行业，技术上虽有办法避免幻觉，但更大的隐患在于未来 AI 生成数据对训练数据的反向污染，" 守住底线 " 比追求效率更重要。雷蕾以亲身使用经验坦言，AI 的幻觉情况总体上在改善，但医生不能因此变懒，" 我和 AI 是融合的状态，我向它学，它向我学 "。

一位肿瘤科医生的提问将焦点转向中国研究者的切身关切：期刊审稿人如何判断来自中国的真实世界研究价值？非随机对照研究如何提高录用率？

Dr. Bibbins-Domingo 透露，JAMA 发表的论文中约一半为非随机对照研究，敦促研究者去查阅已发表的因果推断报告指南，努力提高研究标准。Ashley McKimm 则从另一个维度给出建议：发表本身不应成为目标，" 站在读者的角度，什么是最新的？什么是最合适的？" ——只有能改变临床实践、改善医患关系的研究，才具备被国际期刊接纳的内核。他同时提到 BMJ 已推出中国特刊，鼓励中国研究者利用人口与数据库优势开展队列研究。

Esra Erkal 以《柳叶刀》首次由中国专家主导的全球肝细胞癌负担委员会为例，指出国际出版商的关注点已从 " 让中国科学家触及全球前沿 "，转向 " 将中国卓越的科学进步带到全球舞台 "。在她看来，中国在真实世界研究与循证医学数据上的积累，已与美国并数一二。

雷蕾用一句话给中国同行打气：真实世界研究的定位或许比 RCT 低，但它解决的是 RCT 无法覆盖的遗漏问题，要对自己的研究工作有信心。

一位听众将讨论引向更实操的层面：当 AI 从检索工具升级为写作与统计分析助手，期刊对底层模型与算法是否存在硬性要求？Dr. Kirsten Bibbins-Domingo 坦言，AI 渗透各行各业已成事实，她并没有一个 " 清晰的标准答案 "，但强调全行业——包括 AI 平台、期刊、科学界与医疗界——都必须严肃对待内容真实度，确保技术应用不偏离目标。Ashley McKimm 则补充，AI 本质上是辅助与助手，其效能取决于训练质量与提问方式；医生需要学会在特定疾病语境下提出正确的问题，并对 AI 产出保持质疑。

在回答期刊是否会因 AI 改变信息呈现方式时，Dr. Bibbins-Domingo 坦承，面对爆炸式增长的文献，" 即便是高质量文章，读者也可能不想读完所有方法论 "。JAMA 正在实验播客、编辑专栏、一页纸精简报告乃至视频化摘要，试图在保护作者知识产权的同时，适应读者获取信息的新习惯。

在圆桌交流的最后，Dr. Bibbins-Domingo 笑称 " 请大家多多读 JAMA"，重申可靠度与平台合作的重要性；Esra Erkal 表示 Elsevier 希望成为连接中国科学与全球的合作伙伴；Ashley McKimm 提醒 " 出版不等于产生影响 "，研究者应思考如何在全球传递价值；李昱熙给出了颇具哲学意味的总结：" 拥抱 AI，但不要忘记我们是谁 "；而雷蕾的收尾则落回产品层面：" 我希望我们能够有一个中国版的 OpenEvidence。"

这句未加展开的期待，为上午发布的 " 氢离子 " 留下了一个开放的注脚——当国际出版巨头、本土临床专家与政策制定者共聚一堂，他们所等待的或许不仅是一款能查文献的 AI 工具，而是一个足以承接中国循证医学证据生态的基础设施。