《Journal of Clinical and Translational Science》：How are clinical and translational research professionals using AI? Polling and discussion insights from two ACTS special interest groups
编辑推荐：
人工智能（AI）已成为塑造临床与转化科学的最强大力量之一。现实中既存在真正的机遇，也伴随重大挑战和潜在威胁，且这些挑战在实施时变得尤为真切。在威斯康星州密尔沃基市举行的2026年转化科学大会（Translational Science 2026）上，监管科学和
人工智能（AI）已成为塑造临床与转化科学的最强大力量之一。现实中既存在真正的机遇，也伴随重大挑战和潜在威胁，且这些挑战在实施时变得尤为真切。在威斯康星州密尔沃基市举行的2026年转化科学大会（Translational Science 2026）上，监管科学和临床研究专业人员特别兴趣小组（Special Interest Groups, SIGs）通过其成员的实际经验，共同讨论了与临床和转化科学中AI相关的机遇、挑战和威胁。讨论中呈现的常见用途、关切、问题和空白，以及可能的未来路径，均在本手稿中予以介绍。
人工智能（AI）已成为塑造临床与转化科学的重要力量。政治及部分机构的制度压力，在监管科学与临床转化研究的实践和专业交叉领域带来了前所未有的挑战与机遇。这些挑战因机构而异，部分源于三方面因素：一是不断变化的监管和科学格局，二是在跨专业工作流程中实施AI时尚未形成恰当平衡价值与风险的路径，三是在日益高风险高回报的科学环境中保持竞争力的需求。现有文献已为AI在研发环境中的伦理和公平实施提供了丰富指导，但关于临床与转化研究专业人员群体如何试验AI以调整、改进或加强日常工作流程的共享经验讨论则明显不足。分享相关工具和经验对该群体至少有三个重要意义：避免重复劳动、建立本地实验中有效与无效措施的知识库，以及展示通往AI技术能力与熟练度的路径。
美国临床与转化科学协会（ACTS）的监管科学特别兴趣小组（SIG）与临床研究专业人员特别兴趣组（CRPT）是成员间发现、讨论、分享和传播相关知识与资源的稳定可靠论坛。为回应“临床研究和监管科学专业人员今天如何在临床与转化科学运营中支持负责任地使用AI”这一核心问题，两个SIG在2026年4月20日于威斯康星州密尔沃基市举行的转化科学2026（TS26）大会上，联合举办了以“AI正在酝酿什么（What’s Brewing in AI）”为主题的参与式会议。研究人员通过PPT演示、基于Slido互动平台的实时投票以及开放式讨论，收集了两个SIG成员的实践经验与观点，旨在识别高价值/低风险AI实施的机会，并促进跨机构经验共享。
在技术方法方面，研究人员主要采用了互动式会议参与手段：SIG会议中嵌入了Slido互动投票，问题包括“您是否使用AI支持您的工作或工作流程？（是/否/不确定）”以及“您所在机构是否有影响您工作或工作流程的AI政策？（是/否/可能/不知道）”。为避免重复投票，在先前监管科学SIG会议中已完成投票并同时参加后续CRPT SIG会议的成员被明确要求弃答。投票结果用于引导小组讨论。由于技术限制，仅CRPT SIG会议获得了录音；六名会议主持人（监管科学SIG三人、CRPT SIG三人，包括R.M.H-S.、S.W.和J.P.F.）通过邮件和视频会议进行了迭代式人工笔记综合，以识别关键讨论主题和反思。该工作以参与驱动为主，并非系统研究，未使用专门的主题分析软件、AI工具或基于理论的定性研究方法。参与者为两个SIG在TS26会议上的自愿参会者，共43人参与互动投票，各问题回答人数介于35至41人之间。
结果方面，互动投票结果显示，大多数参与投票者（n=32，78%）报告使用AI支持其工作流程。使用案例包括：写作辅助、编辑和文献检索支持；内容总结；将文字转换为通俗语言；创建演示文稿、图表、数据摘要或可视化及模拟；起草会议记录和纪要；播客制作；以及跨不同来源整合信息以支持内部工作流程。关于机构AI政策，35名回答者中77%（n=27）表示机构有AI政策适用于其工作或工作流程，17%（n=6）表示不知道。
关键讨论主题共四个。讨论主题1：对AI作为技术官僚式方法的担忧。与会者提出了输出准确性、幻觉（即AI输出是否可依据来源材料验证以纠正潜在捏造或曲解）、认知卸载（是否过度依赖AI代替自身思考）、炒作超过实际价值、AI驱动的患者参与/筛选/外展中的Authenticity问题，以及研究合同中AI使用披露条款等关切。这些问题凸显了专业人员更仔细审视并必要时自我纠正的机会，以确保AI被用作解决问题的工具，而非解决方案本身。讨论主题2：AI作为效率工具与能力倍增器。讨论区分了“AI能更快做这件事吗？”和“AI能让我们做到以前完全做不到的事情吗？”两个问题，并一致认为后者是更有效的测试，可引导有限的时间和资源投向AI实验。与会者提出了四个评估真实能力增益的问题：是否使以前不可能的高价值工作在规模上成为可能；当前关键却无法做到的是什么；AI在流程中何处造成限制或瓶颈；该AI应用是否有助于有效推进改善临床与转化研究的使命。讨论主题3：评估价值、成本和安全。与会者指出，当人们实际体验到AI价值（例如消除工作流程中的痛点）时，会投入时间使用AI。成本讨论聚焦于基于token的AI使用，若token因团队高度使用而快速消耗，实际成本可能上升并变得过高。研究操作中的AI应用在很大程度上仍属“无数据区域”，这与用于评估药物和器械的AI应用形成对比，导致AI实施决策常在证据基础之前做出。因此，需要将安全/成本讨论与价值测量讨论相连接，成本收益衡量还应考虑AI去实施或不使用所带来的成本（如重复性行政任务完成速度下降等）。讨论主题4：围绕AI解决方案的同行间参与（或缺乏）。与会者描述了多种机构特定应用，如自动化ClinicalTrials.gov注册工作流程、AI辅助转换知情同意文件、基于能力的教育播客以及机构级护栏设置。这些本地实验的经验很少跨越机构传播，导致重复劳动和重复犯错。缺乏基于实际经历的共享语言，也阻碍了机构级AI治理政策的一致制定。有与会者分享了其机构信息技术办公室与第三方AI服务提供商谈判合同并与IRB团队逐案设置护栏的例子，但其他与会者回应指出，机构AI治理很少覆盖日常使用案例，工作人员常需自行独立判断。因此，结构化同行参与是建立或完善机构AI治理的重要措施。
讨论部分指出，这种基于同行专业参与的会议方式有助于了解研究专业人员当前如何利用AI应对变化的监管环境，并理解他们对特定研究运营中AI的态度、意识或采用情况。AI作为支持性工具，正在为更高效的研究操作打开大门，在某些情况下实现了以前不可能的操作。未来应重点探索高价值/低风险AI解决方案（如高保真度且易完成的重复性任务）的自动化，同时在高价值/中高风险AI解决方案（如整合不同来源的结构化和非结构化数据的民主化编程方案、合并机构知情同意书等）中保持人类参与。此外，需要通过治理建立和强化适当的护栏而非禁令。研究人员提出了五项负责任专业使用AI的实践原则：原则一，不要认知卸载——AI辅助，但专业人员拥有产出；原则二，像检查实习生工作一样检查AI输出——模型快速且知识丰富，但缺乏本地背景，可能自信地呈现错误；原则三，询问模型其假设——在接受分析输出前，要求模型说明产生该输出的假设，以揭示错误；原则四，透明记录AI所触及的内容——记录人类提供了什么、AI生成了什么、人类验证了什么，以建立信任并保持问责；原则五，了解模型的特性——不同模型以不同方式失败，将错误模型与弱提示配对会增加幻觉风险。值得注意的是，当与会者被问及是否采用了其他机构开发的AI解决方案时，几乎没有人表示采用过。对于以分享知识和途径为组织目标的专业社区而言，这是一个显著缺口：当前对日常工作流程影响最大的技术，恰是跨机构共享最薄弱的技术。但这也反映了通过加强参与来弥补该缺口的及时机会。
研究限制方面，该工作主要反映年会专业会议的关键收获，其方法更侧重于促进参会者参与，而非系统性研究和评估，因此未来研究可应用更严格的方法来支持或验证结果。另外，由于监管科学SIG会议遇到技术限制，未能综合该讨论的关键主题，建议未来工作以严格研究方法捕捉监管专业人员在AI支持其运营工作流程方面的经验。
研究结论：本团队描述的以AI为中心的参与方法从两个方面解决转化研究中的障碍：第一，评估问题和原则有助于专业人员将AI聚焦于减缓转化速度或运营经验学习速度的运营瓶颈；第二，结构化的同行参与提供了一条路径，使在一家机构有效的方法能够被共享并适应于其他机构，而不是从头开始重建。需要进一步的持续参与，以确保跨机构研究运营中AI实施的全部范围与类别得到适当分类和战略性应用。
