迈向医学AI科学家
TLDR
提出医学AI科学家，一个面向临床医学的领域特定自主研究框架，具有协同推理和三种研究模式。
评分理由
Strengths include domain-specific grounding, clinician-engineer co-reasoning, and empirical evaluation across multiple tasks and modalities. Weaknesses are limited generalizability beyond clinical medicine and lack of detail on actual experiment execution.
Read-first 评分解释
综合优先阅读分 66.6，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 103。
研究版图角色
前沿论文
排序敏感性
稳定性：volatile；排名波动范围：129。
关键词评分
深度分析
创新点
- 首个专为临床医学定制的自主研究框架，实现基于临床的构思和基于证据的手稿撰写。
- 临床医生-工程师协同推理机制，将广泛调研的文献转化为可操作证据，提高构思可追溯性。
- 三种研究模式（paper-based reproduction, literature-inspired innovation, task-driven exploration），自主性逐步增强。
- 遵循结构化医学写作规范和伦理政策的手稿撰写。
方法
Medical AI Scientist框架使用临床医生-工程师协同推理将构思扎根于调研文献，遵循医学写作规范和伦理政策撰写手稿，并支持三种自主性递增的研究模式。评估方面，使用LLM和人类评审员在171个案例、19项临床任务和6种数据模态上比较构思质量与商业LLM，并通过人类专家和Stanford Agentic Reviewer的双盲评估比较手稿质量。
关键结果
生成的研究思路质量显著优于商业LLM；系统在提出方法与实现之间实现强对齐，实验成功率更高；手稿接近MICCAI级别质量，并持续超越ISBI和BIBM。