本報記者 張佳星

當前，人工智能（AI）技術在疾病診斷、影像識別、藥物研發等領域均展現出巨大潛力和價值。如何進一步推動人工智能深度賦能醫學發展，又如何使人工智能在賦能醫學發展中“揚長避短”？4月19日至20日，以“人工智能賦能醫學發展”爲主題的2025年中國醫學發展大會在北京召開，與會專家就人工智能與醫學深度融合的創新路徑與發展方向進行了探討。

中國工程院副院長、中國醫學科學院院長王辰指出，人工智能正在深刻改變醫學研究的範式與行業生態。醫學界要適應人工智能發展，分階段推進人工智能與醫學融合，發揮人工智能作爲新質生產力照護人民健康的重要作用。

“醫療領域數據具有敏感性、結果不可逆、責任主體複雜等特點。”工業和信息化部原副部長王江平坦言，醫療健康行業的特殊性，使得醫療健康AI大模型需要人機對齊法則的全面滲透，即通過技術手段與倫理框架，確保AI的目標行爲和輸出與人類價值觀和社會規範保持一致。

從算法和數據做起，搭好“底層架構”

“隨着人工智能發展與大量數據的湧現，以數學研究生物和醫學的條件已成熟。”清華大學講席教授、數學家丘成桐解釋，醫學數據有着非線性特點，而傳統人工智能模型通常基於線性假設，難以捕捉醫學數據中複雜的非線性關係。面對醫學數據難題，數學與醫學、人工智能等領域應加強合作，爲人工智能提供底層架構，持續推動人工智能在疾病研究等多領域的應用。

基於數學科學的加持和完善，一些醫學事件已獲得更好的解析。例如，對於“衰老”這一生命活動的典型非線性事件，一項研究用多種數學分析算法對超過2400億數據點進行分析後，成功呈現了其發生發展規律。

數據問題仍是制約人工智能在醫學領域深入應用的瓶頸。丘成桐說，醫學數據存在“噪聲”（數據集中錯誤或無關的信息）和缺失值等問題，傳統方法在處理這些問題時往往需要複雜的預處理，增加了數據處理的複雜性和不確定性，影響模型準確性。

國家衛生健康委規劃發展與信息化司一級調研員沈劍峯認爲，當前需建設醫療領域高質量數據集和人工智能語料庫，以突破專業語料不足、多模態處理不一致等大模型技術瓶頸。“相關部門正在通過標準化建設、跨機構數據共享和垂類模型應用開發等措施，加強數據價值的挖掘，提升診療效率和精準度。”他介紹。

直面安全與治理，構建醫療新生態

安全與治理是醫學人工智能發展的重要議題。生理數據、病史信息等醫療數據事關每一名患者的隱私和生命權，如何不“因噎廢食”，在保護安全的同時充分利用醫療數據？

“應設立數據過濾器自動屏蔽違反倫理的數據源，建設醫療可信數據空間促進數據共享流通。”王江平強調，數據集建設必須把隱私保護放在突出位置，深度融合醫學專業知識與先進的數據科學技術，通過隱私計算、術語標準化、多模態關聯和小樣本增強等策略，有效應對醫療數據敏感性和碎片化等問題。

國家衛生健康委統計信息中心主任趙韡強調，醫學人工智能應用始終要以安全可信爲前提，堅持以患者爲中心、醫生醫療決策爲主的原則，建立動態可持續評估機制，推動法律、技術、倫理協同治理。

“要使AI實現從高效工具到可信夥伴的跨越，醫療AI應用需實現可解釋性、信任性、人類和諧性的對齊目標。”王江平說，要將對齊法則深入到醫療AI的技術架構、數據集建設、醫院管理、患者知情、行業監管等環節。

談及人工智能賦能醫學的發展路徑，王辰建議應明確任務分階段推進。短期內明確人工智能在醫學中的定位與應用邏輯，開展場景化試點；中期階段擴大應用範圍，推動人工智能與醫療的全場景融合；長期發展要覆蓋科研、臨牀、管理全鏈條，構建人工智能賦能醫學新生態，並參與國際規則制定。