医疗保健领域大型语言模型（LLM）与基础模型市场 尺寸和份额 2026-2035

医疗保健大型语言模型（LLM）和基础模型市场规模

2025 年，医疗保健大型语言模型和基础模型市场规模为 24 亿美元，预计到 2035 年将达到 277 亿美元，年均复合增长率（CAGR）约为 27.7%。

随着相关技术如今能够处理数据密集型且具有重要经济影响的工作，包括病历记录创建、编码支持、医学图像解读、靶点识别和患者触达，市场应用正从试验阶段不断拓展。

该生态系统由三个相互依存的层级构成。基础模型开发商提供临床语言、视觉、多模态和生物学模型；应用供应商将这些模型封装到文档记录、医学影像、患者互动和药物发现工作流中；医院、生物制药公司、支付方和研究机构则负责采购并管理部署。竞争优势越来越取决于对数据和工作流访问权限的控制，而不仅仅是模型规模。例如，Tempus 将临床数据和分子数据与分析功能相结合，并报告称，截至 2025 年底，其合同总价值超过 11 亿美元 ^{[1]Tempus AI - Tempus Achieves Record Total Contract Value Exceeding $1.1 Billion. investors.tempus.com}。NVIDIA 通过 BioNeMo 和 MONAI 提供计算及模型开发技术栈，使其能够覆盖生物学和医学影像两类应用场景。

监管正逐渐成为产品设计变量。2024 年 12 月，美国食品药品监督管理局（FDA）最终确定了针对人工智能赋能的医疗器械软件功能的预先确定变更控制计划指南，为制造商预先规定某些模型修改方式提供了路径 ^{[2]Federal Register - FDA Final Guidance: Marketing Submission Recommendations for a Predetermined Change Control Plan for AI-Enabled Device Software Functions. govinfo.gov}。ONC HTI-1 规则还要求，经认证的医疗信息技术系统披露预测算法的透明度信息，这对嵌入临床系统的模型构成了重要约束。在欧洲，欧盟《人工智能法案》于 2024 年 8 月生效；其分阶段实施的要求与 GDPR 对健康数据的控制以及医疗器械监管并行实施，使证据、可追溯性、人类监督和数据治理架构成为采购的核心要素。这些要求有利于能够证明验证过程可复现，并对模型输入、输出和更新情况进行清晰记录的供应商。

不同技术架构对应不同的卫生经济学问题。大型语言模型已应用于文档记录和行政工作流；视觉模型用于放射学和病理学；多模态模型整合病历、文本、图像和分子信息；生物学或基因组模型则处理 DNA、RNA、蛋白质和化学结构。Google 报告称，Med-PaLM 2 在 MedQA 上达到 86.5% 的成绩，而 NVIDIA 的 Evo2 使用近 9 万亿个核苷酸进行训练，体现了临床语言模型与生物学模型在开发路径上的差异。商业化的关键问题在于，这些能力能否被纳入可问责的工作流，而不是更大的模型能否生成更加流畅的答案。

最有望捕获价值的企业未必是拥有最大通用模型的企业，而是能够将模型输出接入电子健康记录（EHR）、医学影像、实验室及医疗管理工作流，同时满足医院和生命科学领域客户对证据与治理的要求。由此，监管明确性成为商业化推动因素，但也提高了在具有临床重要性的应用场景中开展竞争的成本。

关键驱动因素

临床文档自动化需求不断增长

临床文档工作直接关系到医疗服务提供机构的人工成本与人员留任。一项为期 120 天、采用混合方法开展的环境式文档记录评估发现，文档工作负担持续减轻；参与评估的医生中，有 62% 认为人工智能听写是影响人员留任的重要因素 ^{[3]Trinity Health of New England - Evaluating Ambient AI Documentation in Ambulatory Practice: A 120-Day Mixed-Methods Pilot Study. trinityhealthofne.org}。Abridge 报告称，其已在超过 150 个医疗系统中完成部署，每年处理的对话超过 1 亿次，这表明环境式文档记录正从孤立的专科试点转向广泛的企业级实施。

其经济效应不仅体现在节省制图时间方面。能够生成更完整文档的系统可以支持编码、风险调整和后续协调，从而为财务管理层和临床管理层批准部署提供共同依据。与主要电子健康记录（EHR）环境的集成具有重要意义，因为这降低了临床医生所需的行为改变程度。因此，相较于独立的转录工具，市场更青睐能够原生融入工作流并提供可审计输出的产品。

人工智能在药物发现和基因组学研究中的应用加速

日益明确的临床验证路径正在支撑药物发现需求。Insilico Medicine 的 rentosertib 是一种用于特发性肺纤维化的 TNIK 抑制剂，其报告的 IIa 期研究结果随后于 2025 年 6 月发表在 *Nature Medicine* 上。Recursion 于 2024 年 11 月与 Exscientia 完成合并，将表型组学、转录组学和精准化学能力整合到一个平台中，进一步印证了行业相比孤立的预测模型，更偏好一体化发现系统。

这些平台之所以重要，是因为它们能够缩短生物学假设、化合物设计、筛选和实验学习之间的迭代周期。这些平台的价值主张并非人工智能能够消除实验室工作，而是通过更有效的优先级排序，将实验室产能投入更具前景的靶点和化合物。NVIDIA 的 Evo2 和 BioNeMo 技术栈进一步扩大了基因组及生物分子模型工具的可及性，但由此产生的优势仍取决于专有数据、实验验证和计算资源。

价值型医疗模式扩展，推动患者参与型人工智能发展

价值型医疗使患者参与成为可量化的运营杠杆。对于承担再入院、慢性病结局、就医延迟和医疗服务缺口风险的机构而言，相较于主要采用按服务收费模式运营的机构，自动化开展患者触达具有更强的经济激励。NAACOS 报告称，近 65% 的价值型医疗机构对人工智能改善预测性和规范性分析的能力持乐观态度，另有 50% 的机构正在投资数据分析和人工智能。

患者参与平台通过自动化预约、初诊信息采集、用药提醒、出院后随访和就医导航，扩大医疗管理团队的服务能力。在工作流具有可重复性、升级规则明确，且医疗系统能够将参与活动与医疗服务利用率或质量指标关联起来的场景中，这些平台的机遇最为突出。该细分市场的增长将取决于供应商能否证明，自动化互动在改善医疗结果的同时，不会将尚未解决的临床工作转回员工。

不断增长的医疗健康数据量推动更大、更准确的基础模型发展

医疗健康领域不断扩大的数字化病历、医学影像、组学数据和运营数据，为模型开发提供了更大的数据基础，但数据量本身并不足够。一项由斯坦福大学开展的多中心研究发现，使用 257 万份患者记录训练的电子健康记录（EHR）基础模型，仅需不到 1% 的训练样本即可达到本地训练模型的水平，并且在特定任务标签稀缺的情况下表现更佳。这表明，在数据受限的临床环境中，治理完善的共享表征能够提升模型性能。

因此，数据的商业价值正从单纯的所有权转向数据质量、纵向深度、知情同意状态和互操作性。国家人工智能研究资源等公共计划，以及专注于医疗健康领域的基础模型项目，旨在推动数据访问和计算协作，而不是将集中式原始数据采集视为实现规模化的唯一途径。采用可信隐私保护和联邦式方法的供应商，可能获得医疗卫生系统的数据合作机会，而成熟度较低的平台则可能无法获得此类机会。

主要制约因素

数据隐私与 HIPAA 合规挑战

医疗健康领域的采购方必须评估供应商的架构能否安全处理受保护健康信息，建立适当的业务伙伴关系，记录访问控制措施，并支持审计。HIPAA 义务不仅适用于数据存储，还适用于涉及提示词、转录文本、模型输出、日志记录、分包商和事件响应的工作流程 ^{[4]National Center for Biotechnology Information - AI Chatbots and Challenges of HIPAA Compliance for AI Developers and Vendors. pmc.ncbi.nlm.nih.gov}。这些要求会延长销售周期，尤其是对于专业治理能力有限的社区医院和多院区组织而言。

在全球部署中，这一挑战更加严峻。《通用数据保护条例》（GDPR）对健康数据提供特殊保护，而《欧盟人工智能法案》则针对高风险应用增加了与风险管理、透明度和人工监督相关的要求。即使底层模型在技术上具备相应能力，模型记忆、提示词注入和不安全的集成也可能造成风险暴露。因此，在评估模型性能之前，部署架构、数据最小化以及可解释的运营控制措施通常已成为采购准入门槛。

大规模模型部署的高计算成本与运营成本

训练和运行生物学模型、多模态模型及高容量临床模型，可能需要大量加速器容量、专业工程能力和持续监控。梅奥诊所部署 NVIDIA Blackwell 基础设施，用于病理组学、药物发现和精准医疗，体现了领先学术医疗中心可投入的资源规模。规模较小的医疗服务提供商可以通过云服务获取先进能力，但仍需承担持续的推理、集成和治理成本。

这将形成两极分化的采用模式。大型医疗卫生系统和制药企业能够为定制化部署及验证项目提供资金，而规模较小的机构则倾向于优先采用范围狭窄、由供应商管理且回报周期更短的应用。成本压力将推动模型蒸馏、面向特定任务的架构和混合部署，但由于必须保持临床可靠性，低成本模型仍需针对其实际应用的具体工作流程进行验证。

更可能出现的结果是差异化采用，而不是普遍延迟。在机构需要快速部署且缺乏基础设施的情况下，云服务仍将具有吸引力；与此同时，对于基因组学、敏感研究数据以及实施严格数据驻留政策的组织而言，私有化部署或混合部署仍将十分重要。能够针对明确的临床任务提供经过验证的小型模型的供应商，相较于完全依赖大型、高成本通用模型的供应商，可能更适合服务中端市场。

医疗保健大语言模型与基础模型市场细分分析

按模型类型

2025 年，大语言模型（LLM）占据市场规模的 61.2%，约合 14.7 亿美元。其领先地位源于对文本密集型医疗保健工作的适配性：临床与文档类大语言模型支持环境式笔记生成和编码辅助；患者参与类大语言模型支持就医导航和患者触达；生物医学研究类大语言模型则有助于检索和综合科学证据。大语言模型的商业成熟度源于其能够处理现有的对话、笔记和文档流程，而无需建立全新的诊断数据管线。

视觉基础模型占市场规模的 21.1%，约合 5.07 亿美元。医学影像领域的监管和验证基础相对成熟，因此成为基础模型采用的自然应用场景。Paige 的病理学平台包含获得 FDA 许可的软件及突破性器械认定；Aidoc 则已在超过 1,600 家医疗中心部署临床人工智能 ^{[5]Paige AI - Diagnostic AI Platform. paige.ai}。这一战略转变正从单点算法转向平台，即将影像发现结果连接至分诊、医疗协调和后续随访。

多模态模型占市场规模的 11.3%，约合 2.71 亿美元。其重要性在于能够连接通常分散于临床笔记、影像、分子检测和结构化记录中的信息。Tempus 的临床与分子数据资产体系，以及 Viz Assist 对影像、电子健康记录（EHR）信息和环境式输入的整合，展示了多模态技术如何支持精准医疗和协调式临床工作流。由于整合与验证难度较高，该细分市场当前规模较小；但其可覆盖的工作流范围比单模态产品更广。

生物学与基因组模型占 2025 年市场规模的 6.4%，约合 1.54 亿美元。由于其买方主要集中在生物制药企业、研究机构和专业医疗系统，因此从当前收入来看规模较小。然而，这类模型能够通过帮助筛选遗传变异、靶点、结构和化合物，影响价值更高的研究与开发（R&D）决策。Evo2、Insilico 的 PreciousGPT 模型以及 Isomorphic Labs 的药物设计平台，体现了这样一个细分领域：专有数据和实验反馈闭环的重要性至少不亚于已发布的模型规格。

按部署模式

基于云的系统占据市场份额的 75.6%，市场规模约为 18.1 亿美元。托管式云交付使组织无需购买专用基础设施即可访问模型，尤其适用于需要快速集成的文档处理和患者访问工作流程。AWS 为生成式人工智能提供符合《健康保险流通与责任法案》（HIPAA）要求的架构指导，而 Anthropic 则通过成熟的云渠道提供医疗保健和生命科学工具^{[6]Amazon Web Services - Building a HIPAA-Ready Generative AI Architecture for Healthcare on AWS. aws.amazon.com}。因此，云端系统的领先地位反映了实施成本效益，但仍取决于能否对受保护健康信息实施令人满意的控制措施。

本地部署系统约占市场的 24.4%，市场规模约为 5.86 亿美元。在数据驻留、知识产权保护或模型定制的重要性超过托管服务便利性的场景中，本地部署系统的作用最为突出。当私有基础设施能够保护敏感数据或支持密集型模型调优时，大型学术中心、基因组研究机构和制药企业更有可能承担其资本和运营负担。

按应用领域

临床文档处理占 2025 年市场的 36.2%，市场规模约为 8.69 亿美元。该领域的市场规模反映了紧迫的工作流程痛点、可量化的临床医生时间效益以及清晰的电子健康记录（EHR）集成路径。Abridge、Microsoft 的 DAX Copilot、Ambience Healthcare、Suki AI 和 Nabla 通过将笔记生成与编码、摘要及特定任务文档支持相结合，在该细分市场展开竞争。竞争焦点正从转录质量转向经验证的准确性、专科覆盖范围和财务工作流程价值。

医学影像占市场规模的 17.6%，约为 4.22 亿美元。Aidoc、Paige、NVIDIA MONAI 和 Viz.ai 的业务覆盖放射学、病理学和医疗协调工作流程。该细分市场受益于成熟的影像数据集和监管经验，但商业化采用取决于影像输出能否改变分诊、报告或后续干预，而不仅仅是识别异常。

药物发现与开发占市场的 27.8%，市场规模约为 6.67 亿美元。Recursion、Insilico Medicine、BenevolentAI、Isomorphic Labs、NVIDIA 和 Tempus 采用不同组合，分别利用生物数据、化学、分子设计和临床证据开展业务。该细分市场得到大规模研究与开发（R&D）预算的支持，但其价值实现由里程碑驱动，周期长于文档软件。

患者参与占市场规模的 11.4%，约为 2.74 亿美元。Hippocratic AI、Hyro 和 Orbita 利用语音及对话系统开展访问、医疗导航、外展和出院后工作流程。由于买方能够评估爽约减少、医疗服务缺口改善以及人员能力提升，而不仅仅是软件使用情况，因此需求与价值型医疗密切相关。

其他应用约占市场的 7.0%，市场规模约为 1.68 亿美元，包括文献综合、行政自动化、临床试验支持、基因组学解读和人群健康分析。Elsevier 的 ScienceDirect AI 展示了一种面向研究的模式，即将生成式人工智能应用于经过整理的科学文献库；AWS HealthScribe 则支持软件供应商构建可审计的文档功能。

按最终用途

医院占 2025 年需求的 38.4%，市场规模约为 9.22 亿美元。医院是文档处理、医学影像和患者参与系统的主要买方，因为医院掌控着这些工具必须运行其中的工作流程和数据环境。医院的采购决策受到电子健康记录（EHR）集成、临床医生接受度、安全审查以及应用能否改善工作效率、文档质量或医疗协调的证据影响。

制药和生物技术公司占据市场的 28.6%，市场规模约为 6.86 亿美元。其需求主要集中在靶点识别、化合物设计、生物学建模、临床试验运营以及多模态数据集的访问。该细分市场的采购逻辑不同于医院：制药和生物技术公司更看重专有数据、实验处理能力，以及在多年开发周期内改善产品组合决策的潜力。

支付方占市场价值的 7.9%，约为 1.9 亿美元。事前授权、理赔支持、会员导航和医疗服务缺口管理是最相关的应用场景。产品必须能够连接保险覆盖和编码工作流程，但不能在未经监督的情况下作出临床或保险覆盖决策。

研究机构占据市场的 18.5%，市场规模约为 4.44 亿美元。其需求受益于对科学文献、公共研究基础设施、影像数据和生物模型工具的访问。研究机构是开放框架和基础模型的重要早期用户，但其需求转化为商业需求通常取决于资助周期、数据共享治理和计算资源获取能力。

其他最终用户约占 2025 年市场价值的 6.6%，约为 1.58 亿美元。专科诊所、诊断机构、远程医疗服务提供商和公共卫生机构正在采用特定任务工具，将实施范围控制在明确的服务线内。

更具影响力的转变可能发生在各细分市场的交界处。多模态系统可能将影像、病理数据、病历和分子数据转化为协调一致的工作流程，而不是由各类独立软件分别采购。这一机遇更有利于拥有专有数据权利、值得信赖的集成接口和临床证据的公司。同时，这也提高了执行门槛，因为多模态平台必须满足其所连接的每个数据源的治理要求。

医疗保健 LLM 和基础模型市场区域分析

北美

据估计，北美占 2025 年市场价值的 45%，相当于约 10.8 亿美元。由于电子健康记录（EHR）广泛采用、医疗保健人工智能供应商高度集中、云基础设施成熟，以及监管环境正在逐步明确人工智能赋能产品的相关规则，美国是该地区的需求中心。加拿大则通过在渥太华医院开展 DAX Copilot 等医疗系统试点，形成了规模较小但具有战略意义的市场。该地区的主要优势并不仅仅在于资本充足，更在于能够在大型医疗系统内测试、采购、集成和衡量人工智能产品。

欧洲

欧洲市场预计占 2025 年市场规模的 22%，约为 5.28 亿美元。德国、英国、法国、西班牙、意大利和荷兰是该区域的主要市场。欧洲市场增长受到《通用数据保护条例》（GDPR）和《欧盟人工智能法案》（EU AI Act）的影响，这两项法规提高了医疗保健采购对数据治理和合规流程的要求。英国还通过英国药品和医疗产品监管局（MHRA）参与 HealthAI Global Regulatory Network，形成了额外的监管协调信号 ^{[7]Medicines and Healthcare Products Regulatory Agency - UK MHRA Leads Safe Use of AI in Healthcare as First Country in New Global Network. gov.uk}。合规要求可能会延长早期销售周期，但一旦买方和监管机构将相关规则落地实施，也有助于建立更加标准化的供应商比较依据。

亚太地区

亚太地区预计占 2025 年市场规模的 21%，约为 5.04 亿美元。中国、日本、印度、澳大利亚和韩国构成该区域的核心市场。日本 SB Tempus 与 SoftBank 成立的合资企业，是本地化精准医疗商业化的一个案例；与此同时，NVIDIA 通过合作伙伴关系和国家级人工智能基础设施，支持了日本医疗人工智能的发展。在印度，Apollo 24|7 在其临床智能引擎中采用了 Google Cloud 的 MedLM 和临床知识图谱。该区域的增长潜力与庞大的患者群体和公共数字医疗投资密切相关，但部署要求仍高度取决于各国具体情况。

拉丁美洲

拉丁美洲预计占 2025 年市场规模的 7%，约为 1.68 亿美元。巴西、墨西哥和阿根廷引领该区域需求，其中巴西是最大的市场。巴西《卫生领域信息与通信技术调查》显示，在采用人工智能的医疗机构中，部分机构已使用生成式语言模型，这支持了语言类应用可与行政管理和医学影像应用场景同步获得发展的观点 ^{[8]Brazilian Internet Steering Committee - ICT in Health Survey 2025. cgi.br}。除全球模型的可用性外，区域扩张还将取决于西班牙语和葡萄牙语处理能力、本地数据系统的互操作性、融资能力以及监管协调程度。

中东和非洲

中东和非洲预计占 2025 年市场规模的 5%，约为 1.2 亿美元。沙特阿拉伯、阿联酋和南非是该区域的主要市场。海湾合作委员会（GCC）对数字医疗和创新基础设施的投资支持了早期采用，而南非则是进入撒哈拉以南非洲市场的重要切入点。BenevolentAI 于 2025 年 10 月与卡塔尔 Sidra Medicine 开展的研究合作，表明该区域对将人工智能应用于疾病研究的兴趣正在增长。由于数字化程度、数据可用性、专业人才能力以及医疗保健投资水平不均衡，该区域更广泛的市场采用仍受到限制。

亚太地区的相对扩张空间最大，因为各国针对性的举措能够将庞大的医疗保健人口与本地化基础设施及合作伙伴关系相结合。拉丁美洲和 MEA 是更具选择性的机遇市场：供应商需要进行语言适配，建立本地化云服务或数据驻留安排，并采用适应数字化成熟度不均衡状况的采购模式。因此，相较于基于单一合规与集成模式的全球市场进入计划，围绕各地区部署路径制定的方案将更为有效。

医疗保健大语言模型（LLM）和基础模型市场份额与竞争格局

竞争格局在工作流程类别、数据所有权和部署模式方面较为分散。Abridge、Ambience Healthcare、Microsoft、Nabla 和 Suki AI 竞争环境医疗文档领域；Hippocratic AI、Hyro 和 Orbita 专注于患者互动与就医服务；Aidoc、Paige AI 和 Viz.ai 在影像和医疗协调交叉领域开展业务；BenevolentAI、Insilico Medicine、Isomorphic Labs 和 Recursion Pharmaceuticals 专注于人工智能赋能的药物发现；Amazon Web Services、Anthropic、Elsevier、Google、NVIDIA、OpenAI 和 Tempus AI 则提供基础设施、模型、数据或研究工具。

Abridge 已在临床对话人工智能领域形成规模，截至目前已支持超过 150 个医疗系统部署，并于 2025 年 6 月以 53 亿美元估值完成 3 亿美元 E 轮融资，^{[9]Reuters - Healthcare Startup Abridge Tops $5 Billion Valuation in A16z-Led Financing Round. reuters.com}。Ambience Healthcare 凭借覆盖各种医疗场景、具备编码感知能力的文档解决方案实现差异化，并于 2025 年 7 月完成 2.43 亿美元 C 轮融资。Microsoft 将 DAX Copilot 与 Nuance 在企业医疗领域的业务布局及电子健康记录（EHR）集成能力相结合；Suki AI 和 Nabla 则围绕环境式文档、编码以及临床医生工作流程平台展开竞争。

Hippocratic AI 专注于以安全为导向、面向患者的智能代理，并披露其于 2026 年 1 月以 35 亿美元估值完成 1.26 亿美元 C 轮融资。Hyro 和 Orbita 覆盖患者服务、呼叫中心自动化、导航和随访工作流程，其表现取决于与排班、客户关系管理（CRM）及电子健康记录（EHR）系统的可靠集成。在保留临床和服务异常情况升级处理路径的同时，成功实现重复性工作的自动化，是这两家公司的竞争优势所在。

Aidoc 提供覆盖放射学、心脏病学、神经血管和血管应用的临床人工智能平台；Paige AI 则提供数字病理学软件、监管资质和病理学数据资产。Viz.ai 将影像智能延伸至结合电子健康记录信息的医疗协调和病历准备工作流程。在这一细分市场中，算法能力的广度十分重要，但医疗系统价值越来越取决于平台能否改变治疗响应时间、随访效率和临床医生协调水平。

BenevolentAI 通过与生物制药合作伙伴开展合作，应用基于知识图谱的发现技术。Insilico Medicine 通过 rentosertib 的 IIa 期试验结果，确立了临床验证的参考点。Isomorphic Labs 将源自 AlphaFold 的结构洞察与生成式设计相结合，并于 2025 年完成 6 亿美元外部融资。Recursion Pharmaceuticals 通过与 Exscientia 合并，扩展了其数据和化学能力。这些公司的竞争取决于生物数据的质量与规模、实验迭代闭环、药物设计工作流程，以及将平台活动转化为经验证临床资产的能力。

Amazon Web Services 提供 HealthScribe 和面向医疗保健领域的云服务，注重生成可审计的临床记录。

Anthropic 为医疗保健和生命科学领域提供 Claude，涵盖面向临床、支付方和科研工作流程的连接器与工具。Elsevier 在其科学内容环境中提供 ScienceDirect AI，用于发现证据。Google 通过 MedLM 和 Med-PaLM 研究支持医疗保健模型，而 OpenAI 于 2026 年 1 月推出 ChatGPT for Healthcare，支持符合 HIPAA 部署资格的方案和 BAA。NVIDIA 提供计算资源、BioNeMo 和 MONAI 基础设施，为生物医学与医学影像模型开发提供支撑。Tempus AI 整合了分子、临床和数据分析资产，其对 Paige 的收购进一步将数字病理学纳入这一多模态布局。

近期行业发展

• 2026 年 1 月 — OpenAI 推出 ChatGPT for Healthcare：OpenAI 推出 ChatGPT for Healthcare，为医疗卫生系统提供符合 HIPAA 部署资格的方案和 BAA 支持。
• 2025 年 8 月 — Tempus AI 收购 Paige AI：Tempus 宣布以 8,125 万美元收购 Paige AI，将病理学技术和数据资产纳入其精准医疗平台。
• 2025 年 10 月 — BenevolentAI 与 Sidra Medicine 开展合作：BenevolentAI 与 Sidra Medicine 宣布围绕糖尿病和代谢调节领域的 ZFP57 开展研究合作。