以科技创新推进AI与医学全链条融合

当前，人工智能（AI）技术在疾病诊断、影像识别、药物研发等领域均展现出巨大潜力和价值。如何进一步推动人工智能深度赋能医学发展，又如何使人工智能在赋能医学发展中“扬长避短”？4月19日至20日，以“人工智能赋能医学发展”为主题的2025年中国医学发展大会在北京召开，与会专家就人工智能与医学深度融合的创新路径与发展方向进行了探讨。

中国工程院副院长、中国医学科学院院长王辰指出，人工智能正在深刻改变医学研究的范式与行业生态。医学界要适应人工智能发展，分阶段推进人工智能与医学融合，发挥人工智能作为新质生产力照护人民健康的重要作用。

“医疗领域数据具有敏感性、结果不可逆、责任主体复杂等特点。”工业和信息化部原副部长王江平坦言，医疗健康行业的特殊性，使得医疗健康AI大模型需要人机对齐法则的全面渗透，即通过技术手段与伦理框架，确保AI的目标行为和输出与人类价值观和社会规范保持一致。

从算法和数据做起，搭好“底层架构”

“随着人工智能发展与大量数据的涌现，以数学研究生物和医学的条件已成熟。”清华大学讲席教授、数学家丘成桐解释，医学数据有着非线性特点，而传统人工智能模型通常基于线性假设，难以捕捉医学数据中复杂的非线性关系。面对医学数据难题，数学与医学、人工智能等领域应加强合作，为人工智能提供底层架构，持续推动人工智能在疾病研究等多领域的应用。

基于数学科学的加持和完善，一些医学事件已获得更好的解析。例如，对于“衰老”这一生命活动的典型非线性事件，一项研究用多种数学分析算法对超过2400亿数据点进行分析后，成功呈现了其发生发展规律。

数据问题仍是制约人工智能在医学领域深入应用的瓶颈。丘成桐说，医学数据存在“噪声”（数据集中错误或无关的信息）和缺失值等问题，传统方法在处理这些问题时往往需要复杂的预处理，增加了数据处理的复杂性和不确定性，影响模型准确性。

国家卫生健康委规划发展与信息化司一级调研员沈剑峰认为，当前需建设医疗领域高质量数据集和人工智能语料库，以突破专业语料不足、多模态处理不一致等大模型技术瓶颈。“相关部门正在通过标准化建设、跨机构数据共享和垂类模型应用开发等措施，加强数据价值的挖掘，提升诊疗效率和精准度。”他介绍。

直面安全与治理，构建医疗新生态

安全与治理是医学人工智能发展的重要议题。生理数据、病史信息等医疗数据事关每一名患者的隐私和生命权，如何不“因噎废食”，在保护安全的同时充分利用医疗数据？

“应设立数据过滤器自动屏蔽违反伦理的数据源，建设医疗可信数据空间促进数据共享流通。”王江平强调，数据集建设必须把隐私保护放在突出位置，深度融合医学专业知识与先进的数据科学技术，通过隐私计算、术语标准化、多模态关联和小样本增强等策略，有效应对医疗数据敏感性和碎片化等问题。

国家卫生健康委统计信息中心主任赵韡强调，医学人工智能应用始终要以安全可信为前提，坚持以患者为中心、医生医疗决策为主的原则，建立动态可持续评估机制，推动法律、技术、伦理协同治理。

“要使AI实现从高效工具到可信伙伴的跨越，医疗AI应用需实现可解释性、信任性、人类和谐性的对齐目标。”王江平说，要将对齐法则深入到医疗AI的技术架构、数据集建设、医院管理、患者知情、行业监管等环节。

谈及人工智能赋能医学的发展路径，王辰建议应明确任务分阶段推进。短期内明确人工智能在医学中的定位与应用逻辑，开展场景化试点；中期阶段扩大应用范围，推动人工智能与医疗的全场景融合；长期发展要覆盖科研、临床、管理全链条，构建人工智能赋能医学新生态，并参与国际规则制定。