加州大学旧金山分校（UCSF）作为全球顶尖的医学院之一，一直以来秉承跨学科合作的科研理念，致力于解决复杂的科学和健康挑战。近年来，人工智能（AI）成为该校引领创新和变革的核心技术之一。UCSF通过融合医学、流行病学、计算科学、伦理学以及公共卫生等多个领域的专业力量，推动人工智能在科研和医疗中的深度应用，加速健康领域的创新步伐。 2025年3月17日，UCSF在Mission Bay校园举办了研究人工智能日（Research AI Day），吸引了众多来自精神病学、放射学、神经学、基础科学等多个学科的专家参与。此次活动不仅展示了UCSF本校科研人员针对AI的最新研究进展，还特别强调了跨机构及跨领域合作的重要性，包括与加州大学伯克利分校、加州大学欧文分校、哥伦比亚大学和美国国立卫生研究院等多个国内外知名机构的协作。 UCSF多学科交融的合作模式体现了当代人工智能创新的本质。
正如流行病学与生物统计学副教授Yulin Hswen博士所言，人工智能的未来依赖于多方集成的协作，而非孤立的突破。将临床医生、流行病专家、计算机科学家、伦理学家以及社区倡导者联合起来，才能实现有责任感且高效的AI创新。这样的跨界交流不仅提高了研究质量，也使得AI技术更加符合实际应用和社会需求。 在人口健康领域，UCSF特别利用人工智能技术来揭示健康不平等问题。传统方法难以捕捉到的算法偏见和环境暴露等因素，借助AI得以被发现并进行系统性分析。计算精准健康助理教授Irene Chen与流行病学及生物统计学副教授Kim Rhoads领导的研究团队，致力于研究社会趋势如何影响模型的表现，并开发缓解医疗AI工具中偏见的框架。
这些努力为医疗保健带来更公平、更有效的技术助力。 Hswen博士的研究则聚焦于结合社会流行病学、人工智能及行为科学，预测公共健康模式并将庞杂的数据转化为可操作的公共卫生洞察。这种基于计算建模的方式，使得科学家可以以更大规模和更高效的手段检测和响应健康不平等现象，通过分析环境暴露驱动的疾病，为公共卫生干预提供精准依据。 在临床实践中，UCSF不断推动人工智能从创新走向应用。医疗系统内跨专业的合作设计出了多种AI工具，例如预测患者未按时就诊、围手术期规划及临床决策支持等。医学教授Julia Adler-Milstein指出，单一AI工具的成功实施需要整合多领域的专业知识，包括模型漂移监测、用户界面设计和健康结果评估，这些合作保证了AI系统的安全性、有效性和公平性。
为实现高效的临床AI管理，UCSF联合其医疗体系和临床信息学及数字化转型部门推出了IMPACC——“临床护理人工智能影响监控平台”。这一平台能实时监测AI工具的性能，支持对临床安全、模型表现、临床影响以及公平性的全面监管，助力医院负责任地运用人工智能技术，提升医疗质量和患者体验。 在科学发现领域，人工智能同样为生物学研究带来革命性的变化。生物系统涵盖时间和空间跨度极大的尺度，过去的研究往往局限于单一层面，缺乏整体连接。UCSF流行病学及生物统计学教授Tony Capra分享了AI如何帮助跨越这些尺度限制，实现从分子原子级到人口整体级别的科学连接。 生物学研究者如Jimmie Ye、Christina Theodoris和James Fraser等正利用深度学习和迁移学习技术，解析基因变异，预测生物网络行为，突破传统数据集的约束，从而获得更加丰富且具解释力的生物信息，推动疾病机制和治疗靶点的发现。
面对未来，UCSF领导层深知实现AI的全面潜力离不开坚实的基础设施和良好的科研文化。学校大力推动部门间合作，投资教师发展，并培育汇聚技术专家、临床医师及社区领袖的实践社区。在这一过程中，深度专业知识与多方参与的结合被认为是人工智能深化医疗和健康领域变革的关键力量。 Tony Capra教授强调，技术本身无法独自推动健康变革，只有依靠UCSF多领域人才的广泛参与和专业引领，人工智能才能真正造福社会。作为科研创新的桥梁，人工智能的进展依赖于打破行业壁垒，通过合作产生突破性的发现。 总的来说，加州大学旧金山分校的人工智能研究实践，充分展示了跨学科合作在推动科学进步和医疗变革中的重要性。
通过整合临床、公共卫生、计算科学以及伦理社会科学等领域的智慧，UCSF不仅加速了AI技术的发展，也为解决健康公平、提升临床决策和开拓生物学研究新领域提供了宝贵的经验和示范。展望未来，随着更多协同创新的深入推进，UCSF必将继续站在全球人工智能与健康交汇的前沿，引领新的科研和临床实践新时代。
