Meta Muse 助医学专家四周产出 10 篇健康研究手稿：对接约 500 万份去标识 EHR

Meta @AIatMeta 于 2026-10-14（约 11:44am PT）宣布：用 Muse Spark 1.3 与 Muse Wonder 搭建「人主导」健康研究脚手架，接入约 500 万份去标识电子病历（EHR）与公开数据；招募心内科、流行病学、感染病、内科等医学专家，在约四周内完成假设生成、代码执行与手稿起草，今日公开 10 篇手稿（心律失常、糖尿病缓解、乳腺癌 ADC 序贯、C. bantiana、社会需求 Z 码等）。官方称专家反馈极端场景最高约 10× 提速；部分手稿从首轮提示到成稿约 7–14 天。主帖约 430 赞 / 10.2 万曝光。研究博客与论文页同步上线。

谁能用：本次为 Meta 内部/受邀医学队列 + 许可 EHR 的探索性演示，不是面向公众的 Free/Pro 健康 Agent。Muse Wonder 本身已上 Meta Model API 与 Muse Code（约 $4/$20 每百万 input/output，上下文约 1M）；Wonder Full 仅 Muse Code 订阅。公开权重：Wonder 暂不开源；Spark 权重「即将到来」。普通开发者可走 API/Muse Code 做通用 agent 工作流，但无法直接复现本次带 5M EHR 的受控研究环境。 解读：这是把 Muse 从「智能体榜单」落到真实科研交付——人拍板、模型加速——比空谈医疗 AGI 更可检验；第三方独立审稿仍指出监督偏倚与假设生成边界。对建设者：关注「专家在环 + 可审计代码脚手架」模板，而不是只抄手稿结论。 讨论：① 去标识 EHR + agent 草稿，审稿与监管会更信「方法透明」还是「人类终审签名」？② 10× 提速会推高可发表噪声，还是让一线医生真正补上被耽搁的研究债？ 来源：X @AIatMeta https://x.com/AIatMeta/status/2110441716507693450 | Meta Research Blog https://research.meta.ai/blog/accelerating-scientific-research-in-health-data-science-with-muse-models | 示例论文 https://ai.meta.com/research/publications/human-guided-agentic-ai-for-end-to-end-ehr-research-sequential-antibody-drug-conjugate-pathways-in-breast-cancer/