研究背景：

近年来，以大语言模型、深度学习和生成式人工智能为代表的新一代人工智能（Artificial Intelligence，AI）技术快速发展，正在深刻改变生命科学与医学研究范式。与此同时，骨科学研究也进入了“大数据时代”。医学影像、电子病历、基因组学、单细胞测序及空间转录组等多模态数据快速积累，使传统研究模式面临数据整合困难、信息挖掘不足等挑战。如何利用 AI 融合多源数据，解析疾病机制、发现治疗靶点，并推动精准诊疗和智能药物研发，已成为骨科学发展的重要方向。然而，目前 AI 在骨科学中的应用仍主要集中于影像诊断，对于其在疾病机制研究、靶点发现、药物研发及精准医学中的整体作用尚缺乏系统梳理。因此，全面认识 AI 在骨科学中的研究进展，对于推动肌肉骨骼系统疾病研究迈向智能化、精准化具有重要意义。

文章概述：

图文导读：

图1. 人工智能在骨科基础生物学研究和临床研究的潜在应用

图1系统展示了 AI 在骨科学基础研究和临床实践中的整体应用框架。在基础研究中，AI 正逐渐成为解析骨疾病发生机制的重要工具。通过整合基因组学、蛋白质组学、单细胞测序及医学影像等多模态数据，AI 能够更加高效地发现疾病相关生物标志物、关键调控通路和潜在治疗靶点。与此同时，结合 AlphaFold 等蛋白结构预测模型以及蛋白互作和功能位点预测技术，AI 正不断推动骨相关蛋白结构解析和分子机制研究的发展。在药物研发领域，文章总结了 AI 在虚拟筛选、药物重定位、分子生成及毒性预测等方面的最新进展，并介绍了 GENTRL、DeepICL、DeepBlock等代表性模型，这些工具有望显著提升候选化合物发现效率，降低研发成本，加速骨疾病创新药物研发。

图2.构建多维度和综合性的骨科数据平台，加深骨科疾病发病机制的理解和药物发现.

尽管 AI 在骨科学研究中展现出巨大潜力，但疾病机制研究仍面临数据异构、多组学整合不足、标准不统一及跨学科协作有限等挑战，制约了 AI 对复杂骨疾病机制的深入解析。针对这些问题，文章提出构建多模态综合骨科学数据平台，整合临床影像、电子病历及多组学数据，并结合统一的数据标准、高效的数据处理算法和跨学科协作机制，建立覆盖从临床数据到分子机制，再到临床应用的闭环研究体系，为疾病机制解析、治疗靶点发现和精准医学研究提供新的技术支撑。

图3.并行智能技术在骨科应用蓝图

此外，文章进一步展望了 AI 在骨科学中的未来发展方向。提出 Bone-GPT 的概念，希望构建面向骨科学的大语言模型，实现医学影像分析、智能问诊、辅助诊疗、患者管理及医学教育等多种应用。同时，文章提出将并行智能（Parallel Intelligence）技术引入骨科学，通过多模态数据融合和智能推理，实现患者全生命周期的精准预测、动态监测和个体化干预，为未来智慧骨科学的发展提供新的技术路径。

综上所述，人工智能正推动骨科学从传统经验驱动迈向数据驱动的新阶段，为疾病机制解析、精准诊疗和创新药物研发带来了前所未有的发展机遇。与此同时，临床数据质量、多模态数据整合、模型可解释性、伦理监管及跨学科协作等问题仍是 AI 广泛应用的重要挑战。未来，随着骨科大数据持续积累及人工智能技术不断进步，AI 有望在疾病靶点发现、创新药物研发及精准医疗等方面发挥更大作用。特别是大语言模型与并行智能等新技术的发展，将进一步推动骨科学从疾病治疗向疾病预测、风险预警和个体化健康管理转变，为智慧骨科学的发展开启新的篇章。尽管目前尚不完美，但随着越来越多的研究人员、临床医生和患者将AI纳入日常研究与实践，将产生更多数据，这些数据反过来会提升模型性能，从而推动骨科学研究不断迈向更加智能、高效和精准的新阶段。

论文信息：

Artificial Intelligence for Bone: Theory, Methods, and Applications

Dongfeng Yuan, Haicang Zhang, Liping Tong, Di Chen

Advanced Intelligent Discovery