2026 年 16 月，丹尼爾·詹桑蒂（Daniele Giansanti）在《生物工程》（Bioengineering）期刊上發表了社論文章〈當生物工程遇上人工智慧：從機器學習到智慧生物工程系統〉。文中探討了這兩個長期平行發展、如今卻正積極交匯的領域如何逐漸趨同。
作者指出，人工智慧與生物工程最初走的是不同的道路：前者透過演算法與數據，後者則透過物理與生物材料。然而，在複雜生物系統建模、生物材料設計以及自適應醫療設備開發等任務中，兩者的關注點正日益重合。
文章強調了從傳統機器學習向更先進形式的轉變——即混合神經架構、生成模型與多模態方法。這些方法不僅能分析數據，還能在考量生物系統動態的情況下，即時生成新的解決方案。
文中特別關注了各項挑戰：對大規模且高品質生物醫學數據集的需求、臨床情境下模型的可解釋性問題，以及人工智慧在生物工程中應用的倫理層面。詹桑蒂指出，目前許多方法仍侷限於狹窄的任務，需要針對真實生物環境進行大幅度的調整。
與早期關於人工智慧在醫學中應用的著作相比，這篇論文的特點在於強調系統層面：並非單一工具，而是建立具備自我學習與適應能力的「智慧生物工程系統」。這使其區別於影像化或診斷領域中關於深度學習的窄化專業綜述。
此類系統的發展開闢了新的研究方向——從設計內建人工智慧的器官晶片，到能對患者體內變化做出反應的個人化生物假體。然而，為了廣泛應用，獨立的驗證與評估協議的標準化是必不可少的。
目前尚不清楚實驗室成果與臨床實踐之間的差距能以多快的速度縮小，以及在擴大智慧生物系統規模時會出現哪些新風險。專業社群可能會集中精力建立開放基準與跨學科協作。
文章的核心結論是，兩者趨同的真正價值將不在於個別的突破，而在於能夠藉助人工智慧，建立生物解決方案設計、測試與優化的閉環週期。
