20261016

来自《人工智能前沿》（Frontiers in Artificial Intelligence）学术期刊的研究文章：

原文参见：https://www.frontiersin.org/journals/artificialintelligence/articles/10.3389/frai.2026.1931300/full

2026年10月14日，《Frontiers in Artificial Intelligence》发表题为《拉丁美洲生命科学领域的人工智能应用现状与培训机会：BiotrAIn项目》的研究观点文章。文章指出，人工智能能够帮助研究人员处理大规模、复杂的生物学和医学数据，为病原体研究、疾病分析、基因组学和生态研究等领域提供新的分析工具。拉丁美洲已有研究团队利用本地生成的数据开展相关工作，但人工智能在区域科研和医疗领域的系统化应用仍面临基础设施不足、专业培训有限、科研体系分散以及资金持续受限等挑战。

文章认为，人工智能在生命科学中的价值不仅体现在数据处理速度上，还包括从复杂数据中识别模式、构建预测模型和辅助科研决策。例如，机器学习可以用于分类与聚类，深度学习能够识别复杂数据中的特征，而人工智能与生物信息学相结合，则有助于研究人员分析基因组、蛋白质组、医学记录和生物影像等多种数据。

在拉美地区，相关研究已覆盖多个方向。文章列举的案例包括阿根廷的免疫肿瘤学和基因注释研究、巴西的基因组学与药物发现研究、巴西和智利开展的植物基因组研究，以及哥斯达黎加在病原体研究、流行病学和医学影像方面的应用。这些案例显示，人工智能并非只适用于通用语言模型或商业软件，也能够成为生命科学研究的重要分析手段。

为加强相关能力建设，欧洲生物信息学研究所（European Bioinformatics Institute，EMBL-EBI）、哥斯达黎加大学（University of Costa Rica，UCR）和CABANAnet网络共同开展了BiotrAIn项目。该项目获得陈·扎克伯格倡议（Chan Zuckerberg Initiative）支持，旨在建立适应区域科研需求的人工智能课程体系，帮助研究人员将人工智能方法用于生物学和生物医学问题。

项目主要围绕三个方向展开：知识交流、课程开发和区域培训。2024年12月，项目团队组织了有关人工智能在拉美生命科学领域应用的线上知识交流活动，吸引了40多名从事机器学习、生物信息学、结构生物学和数据科学的专业人士参与。与会者分享了病原体研究、人类健康、微生物组、农业、生物伦理和流行病学等方面的案例，也交流了相关教学和培训经验。

此后，项目组织区域科研人员共同开发人工智能生命科学课程。由八名区域科学专家组成的课程开发团队参与课程设计，项目还通过相关交流机制，为博士生、博士后和职业生涯早期科研人员创造合作与专业成长机会。课程设计力求将人工智能方法与当地科研问题结合，而不是仅仅介绍抽象的算法概念。

2026年4月20日至24日，项目还以中心—辐射式模式，在六个拉美国家开展多国培训，由哥斯达黎加作为协调中心，支持不同国家的本地培训节点开展学习和交流。课程涉及病原体监测、生物多样性与生态学、微生物组分析和癌症研究等实际应用，并纳入人工智能伦理和环境影响相关内容。此外，项目设置了培训者培训环节，帮助参与者在完成学习后，将知识传播到所在机构或研究项目中。

文章指出，推动人工智能在拉美生命科学领域进一步发展，需要加强跨国科研合作、人才培养和研究网络建设，同时改善基础设施与资源获取条件。研究人员还需要关注数据质量、伦理规范及人工智能应用的适当边界，以便在推进技术应用的同时，保持科研工作的可靠性和可持续性。

BiotrAIn项目提供了一种以区域合作和课程建设为基础的能力培养模式。其经验表明，人工智能在生命科学领域的应用不仅依赖计算工具，也需要持续的人才培养、跨机构交流和与实际研究需求相结合的课程体系。文章将这一模式视为拉美构建更具包容性和可持续性的人工智能科研生态的一项实践经验。

编辑：康晨雨

校对：姚少杰  

                      科讯搜寻：劳拉

本文使用ChatGPT辅助翻译，内容服务于中拉科技互鉴，不代表平台观点，如有疏漏，欢迎指正。