2026年2月3日，哈佛大学医学院Marinka Zitnik教授团队在《Nature Medicine》发表研究，揭示了医疗AI模型在测试中表现优异却难以临床落地的核心原因：语境误差（contextual errors）。研究指出，这一问题普遍存在于当前各类医疗AI模型中，并非个例。研究表明，语境误差主要体现在三大维度：首先，模型多基于单专业训练，难以识别跨系统的复杂疾病；其次，模型未纳入地域信息，无法适配不同地区的疾病流行特征与治疗资源；最后，模型忽略社会经济、文化等因素，导致其诊疗建议缺乏现实可行性。为缩小模型表现与临床应用之间的差距，研究提出三项改进路径：一是在训练数据中系统纳入多维情境变量；二是构建更具情境敏感性的计算评测基准；三是在模型架构层面嵌入情境适配机制，使模型具备实时切换与调整能力。与此同时，研究强调提升模型透明度与可解释性、构建双向人机协作界面，以及建立现实世界验证机制，是推动医疗AI负责任落地的重要前提。Zitnik表示，若突破语境等核心难题，医疗AI将能实现诊疗全流程的语境动态适配，为复杂病症患者定制个性化方案，同时提升医疗研究与临床工作效率。
(来源：哈佛大学医学院官网，2026年2月3日)