AI 在生物医学领域已能识别医学影像、分析基因表达等，但多是回答「当前生物状态是什么」，更关键的「主动改变后会怎样」的动态预测需求尚未满足。为此，相关研究者提出生物医学世界模型框架，让 AI 从「识别生命」走向「推演生命」，学习生物状态间的转移规律，这需要依赖干预数据、纵向数据等，而高质量干预数据的获取成本较高。目前该模型已有初步实践，如阿里达摩院的细胞世界模型 Lingshu-Cell 可预测细胞受扰动后的转录组状态，还有团队提出的 Medical World Model 可模拟肿瘤在不同治疗方案下的变化，辅助提升治疗方案选择的准确性。不过这类模型差异大，且面临评估难题，现阶段无法替代真实实验，更现实的用途是作为实验预演，帮助研究者筛选更具价值的实验路径，未来 AI 或将更多参与实验前的决策。
