生物学基金会模式：调查

基础模型在生物医学领域展现出广泛的应用潜力，涵盖计算生物学、药物发现与开发、临床信息学、医学影像和公共卫生等子领域。这些模型通过大规模无标记数据进行预训练，具备处理各种下游任务的能力，性能优于特定任务的人工智能模型。

计算生物学：基础模型可分析基因组信息、RNA表达谱和蛋白质结构等，例如BigBird和HiCFoundation模型分别用于DNA序列和三维DNA研究，SCimilarity模型用于单细胞RNA测序数据比较，AlphaFold2用于蛋白质结构预测。

药物发现与开发：基础模型加速靶点识别、分子设计、相互作用预测等，例如ChemBERTa用于药物特性预测，GNN用于药物再利用，HINT用于预测性临床试验。

临床信息学：基础模型处理临床数据，包括临床摘要（如KeBioSum）、临床问题解答（如Med-PaLM）、病人表征（如BEHRT）和治疗效果估计（如TransTEE）。

医学影像：基础模型应用于病理学（如PLIP）、放射学（如MedCLIP）、视网膜图像（如DeepDR Plus和RETFound）和多模态（如Med-Flamingo）分析。

公共卫生：基础模型用于公共卫生监测（如PsychBERT）和流行病预测（如基于序列的时间流行病模型）。

研究结论表明，基础模型在生物医学领域具有巨大潜力，但仍面临数据、模型设计和跨学科合作等挑战。未来需加强技术研发和合作，以推动精准医疗和公共卫生计划的发展。