当大模型改变人机交互之后，AI 的下一个重要命题正在转向“世界模型”。在自动驾驶、机器人和科学智能中，世界模型被认为是 AI 理解复杂环境、模拟行动后果、提高系统鲁棒性的关键路径。如今，这一概念也开始进入医学健康领域。

近日，2026 北京智源大会在京举行。本届大会围绕世界模型、智能体、AI for Science 等方向展开讨论。在 AI 健康与医疗相关论坛上，北京深度甲基健康技术有限公司（DeepoMe 深度甲基）发布并展示了面向长寿医学的可驾驭生物医学世界模型 SteeraMed，将医学世界模型这一新议题带入 AI 健康场景。

与传统医疗 AI 不同，医学世界模型关注的不是单次识别或单点预测，而是健康状态的长期变化。过去，AI 医疗的典型任务是识别影像、理解病历、预测风险或生成建议；但在衰老相关疾病、慢病管理和长寿医学中，真正关键的问题是：在当前状态下采取某种干预后，未来状态可能如何变化？这种变化能否被复测数据验证？如果反馈不符合预期，系统又该如何重新校准？

这意味着，AI 医疗正在从“风险预测”走向“轨迹推演”。医学世界模型的价值，不在于简单给出一个答案，而在于把个体状态、干预动作、机制证据、状态转移和反馈校准组织成一个可审计框架。

SteeraMed 正是在这一逻辑下提出的可驾驭生物医学世界模型探索。根据介绍，该框架以 DNA 甲基化等分子数据作为重要入口，尝试建立个体级健康状态表征，并进一步把候选干预、机制证据链、状态转移假设和复测计划整合起来，形成面向医学专家使用的“个体健康状态证据视图”。

这一视图的意义不在于替代医生，也不在于直接生成治疗方案，而是为医学专家提供一种结构化、可复核的材料。它把个体状态偏移、相关通路机制、候选干预逻辑和后续反馈指标放在同一框架中，使医学讨论从“报告解读”进一步走向“证据链组织”和“反馈计划设计”。

长寿医学是医学世界模型的重要场景。原因在于，长寿医学面对的往往不是单一疾病终点，而是长期健康轨迹。每个人的基线状态、干预组合、执行过程和复测反馈都不同，天然具有 N-of-1 特征。对于这类场景，传统一次性检测和群体平均模型难以完全满足需求，更需要能够持续记录 state、action 和 feedback 的新型数据结构。

从产业和科研角度看，医学世界模型仍处于早期阶段。它需要的不只是更大的模型参数，而是更高质量的纵向数据、更标准化的状态表征、更透明的证据链和更可持续的真实世界反馈。传统医学队列往往关注基线因素和终点结局，而医学世界模型需要记录干预动作、执行过程、环境暴露、复测结果和状态变化。

DeepoMe 深度甲基方面认为，未来有必要围绕医学世界模型与长寿医学推动产学研协同，在数据采集标准、模型构建、评测基准、应用场景和真实世界反馈之间形成快速迭代。对于 AI 健康行业而言，这可能意味着一个新的基础设施方向正在出现：医疗 AI 不再只是回答问题和识别风险，而是开始尝试理解生命状态如何变化。

医学世界模型距离成熟应用仍有很长距离。但从智源大会释放出的信号看，AI 健康正在出现一个值得关注的新转向：从大模型的语言能力，走向世界模型的状态理解与轨迹推演能力。DeepoMe 深度甲基发布 SteeraMed，也使“生物医学世界模型”这一概念获得了更具体的应用场景和讨论入口。

免责声明：该文章系我网转载，旨在为读者提供更多新闻资讯。所涉内容不构成投资、消费建议，仅供读者参考。