NIH资助研究中人工智能采用情况的分析
计算机视觉与模式识别
2026-04-10 v1
摘要
理解人工智能(AI)和机器学习(ML)在国家卫生研究院(NIH)资助组合中的采用情况，对于研究资助策略、机构规划和健康政策至关重要。大语言模型(LLM)的出现从根本上改变了研究格局分析，使研究人员能够从数千份非结构化研究文档中进行大规模语义提取。在本文中，我们展示了一种人机协同的研究方法，利用LLM自动分类和总结大规模研究描述。使用我们的方法，我们对2025年的58,746项NIH资助生物医学研究项目进行了全面分析。我们表明：(1)AI占NIH组合的15.9%，并有13.4%的资金溢价，集中在跨疾病领域的发现、预测和数据整合；(2)存在关键的研究到部署差距，79%的AI项目仍处于研究/开发阶段，而只有14.7%涉及临床部署或实施；(3)尽管对NIH的公平性使命很重要，健康差异研究在AI资助工作中严重代表性不足，仅占5.7%。这些发现建立了一个基于证据的政策干预框架，使NIH的AI组合与健康公平目标和战略研究重点保持一致。
引用
@article{arxiv.2604.07427,
title = {Personalizing Text-to-Image Generation to Individual Taste},
author = {Anne-Sofie Maerten and Juliane Verwiebe and Shyamgopal Karthik and Ameya Prabhu and Johan Wagemans and Matthias Bethge},
journal= {arXiv preprint arXiv:2604.07427},
year = {2026}
}