人工智能（AI）在醫(yī)療健康領(lǐng)域的應(yīng)用日益廣泛?；颊邘е鳤I生成的答案就診，醫(yī)生應(yīng)用AI工具輔助診療、科研等日常工作，醫(yī)療機構(gòu)部署多套AI系統(tǒng)，科研人員、企業(yè)等應(yīng)用AI使藥物研發(fā)不斷實現(xiàn)突破……如今，AI已滲透醫(yī)藥領(lǐng)域的方方面面。如何推動AI持續(xù)賦能醫(yī)學發(fā)展，面對“幻覺”“黑箱”等不可避免的問題，如何更好地發(fā)揮AI優(yōu)勢，在近日在京舉行的2025年中國醫(yī)學發(fā)展大會上，醫(yī)藥、科技、教育等多領(lǐng)域?qū)＜覈@上述話題展開探討。
“我們正處于一個由人工智能驅(qū)動的深刻變革時代。與過去的信息技術(shù)革命不同，AI不僅改變了工具，更重構(gòu)了生產(chǎn)力與生產(chǎn)關(guān)系的底層邏輯。”南京大學副校長鄭海榮表示，在醫(yī)療領(lǐng)域，數(shù)據(jù)成為新的生產(chǎn)資料；AI大模型推動了數(shù)據(jù)處理從知識到方法的突破，進一步可能產(chǎn)生智慧涌PG電子通信現(xiàn)，成為新的生產(chǎn)力載體；人機協(xié)同的新型生產(chǎn)關(guān)系正逐步構(gòu)建，并重塑整個醫(yī)療生態(tài)。
傳統(tǒng)醫(yī)療模式依賴醫(yī)生的經(jīng)驗判斷，而未來，個性化AI模型將利用個體全生命周期數(shù)據(jù)預(yù)測疾病風險，實現(xiàn)從“治療”到“預(yù)防”的轉(zhuǎn)變。AI為影像學等領(lǐng)域帶來變革，不僅提升診療效率，更將推動診療模式從“以醫(yī)生為中心”轉(zhuǎn)向“以患者-AI協(xié)同為核心”的新生態(tài)。
人工智能給教育領(lǐng)域帶來巨大機遇與挑戰(zhàn)，推動人類文明邁向人機協(xié)同新階段，促使教學從知識傳授向能力塑造轉(zhuǎn)變，推動教育時空拓展，但也帶來知識迭代快、開源社區(qū)缺乏等問題。教育部科學技術(shù)與信息化司司長周大旺介紹，為此教育部通過組建優(yōu)勢大學聯(lián)盟，打造頂尖學科交叉教學團隊，構(gòu)建質(zhì)量監(jiān)控體系、探索學分制度，推出“AI﹢”課程，升級國家智慧教育平臺等，提升師生人工智能素養(yǎng)。
隨著人工智能發(fā)展與大量數(shù)據(jù)涌現(xiàn)，從數(shù)學角度系統(tǒng)研究生物和醫(yī)學的條件已成熟。清華大學講席教授、數(shù)學家丘成桐介紹，數(shù)學建立了AI的底層架構(gòu)，在疾病研究等多領(lǐng)域有重要應(yīng)用。但醫(yī)學數(shù)據(jù)具有小樣本、高維度、類別不平衡等特點，還存在“噪聲”和缺失值等問題，應(yīng)用傳統(tǒng)方法處理時，往往需要增加復(fù)雜的預(yù)處理步驟，增加了數(shù)據(jù)處理的復(fù)雜性和不確定性，影響模型的準確性。另外，傳統(tǒng)AI模型基于線性假設(shè)，難以捕捉醫(yī)學數(shù)據(jù)中復(fù)雜的非線性關(guān)系，而利用線性方法研究非線性問題，需要大量計算及統(tǒng)一的非線性方程研究?！懊鎸︶t(yī)學數(shù)據(jù)難題等重重挑戰(zhàn)，期待數(shù)學與醫(yī)學、AI等領(lǐng)域?qū)＜壹訌姾献鳎苿酉嚓P(guān)研究工作。”丘成桐說。
“當PG電子通信前，AI的發(fā)展主要依賴數(shù)據(jù)驅(qū)動的大模型，但其存在高算力消耗、災(zāi)難性遺忘、推理能力弱、‘黑箱’不可解釋等固有缺陷。”同濟大學黨委書記鄭慶華介紹了基于腦科學啟發(fā)的解決思路，通過模擬人腦的記憶和推理機制，開發(fā)小樣本、低算力、強推理的人工智能模型，推動人工智能向認知智能跨越。
隨著AI的廣泛應(yīng)用，其倫理與安全治理問題日益引發(fā)關(guān)注。工業(yè)和信息化部原副部長王江平表示，醫(yī)療健康領(lǐng)域是AI應(yīng)用的“高壓地帶”，人機對齊原則應(yīng)在該領(lǐng)域?qū)崿F(xiàn)體系化的全面滲透。
人機對齊是指通過技術(shù)手段確保AI的目標、行為與人類價值觀和社會規(guī)范保持一致。如今，它已成為AI發(fā)展的重要原則。
王江平介紹，醫(yī)療AI應(yīng)用具有數(shù)據(jù)敏感、結(jié)果不可逆、責任復(fù)雜等特性，需在技術(shù)架構(gòu)、數(shù)據(jù)集建設(shè)、醫(yī)院管理、患者知情、行業(yè)監(jiān)督五大環(huán)節(jié)協(xié)同發(fā)力，切實提高醫(yī)療AI人機對齊水平，確保其始終服務(wù)于人類福祉。
AI正在成為推動醫(yī)療健康行業(yè)高質(zhì)量發(fā)展的核心動力。國家大力支持“人工智能﹢”行動，通過標準化建設(shè)、跨機構(gòu)數(shù)據(jù)共享和垂直領(lǐng)域大模型應(yīng)用開發(fā)，提升診療效率和精準度。國家衛(wèi)生健康委規(guī)劃發(fā)展與信息化司一級調(diào)研員沈劍峰表示，當前需要建設(shè)醫(yī)療衛(wèi)生領(lǐng)域臨床專病高質(zhì)量數(shù)據(jù)集和AI語料庫，突破專業(yè)語料不足、多模態(tài)處理等技術(shù)瓶頸，同時，多學科、多專業(yè)、多部門聯(lián)動，推動政策標準創(chuàng)新，加強復(fù)合人才培養(yǎng)和醫(yī)學倫理安全，共同推動醫(yī)療衛(wèi)生領(lǐng)域AI的應(yīng)用創(chuàng)新。
針對醫(yī)學AI帶來的種種挑戰(zhàn)，與會專家表示，如醫(yī)療數(shù)據(jù)涉及基因、患者病史等隱私敏感信息，一旦泄露，可能導(dǎo)致一系列社會問題。同時，如何在合規(guī)前提下獲取高質(zhì)量數(shù)據(jù)也是亟待破解的難題之一。
醫(yī)療領(lǐng)域容錯率低，大模型由于固有的“幻覺”問題而給出錯誤建議，可能直接影響患者生命安全，另外，AI“黑箱”決策機制也使醫(yī)生和患者對其的信任度打了折扣。從數(shù)據(jù)采集、算法開發(fā)到臨床驗證，AI應(yīng)用鏈條長，參與方眾多。一旦出現(xiàn)醫(yī)療事故，責任歸屬模糊，需明確法律框架。
與會專家表示，醫(yī)學AI應(yīng)用要以安全為前提，堅持以人為本、以患者為中心、以醫(yī)生為醫(yī)療決策主體，才能使AI實現(xiàn)從“可用”到“可靠”的跨越，最終使其成為提升醫(yī)療質(zhì)量和效率的核心助力。
本文經(jīng)「原本」原創(chuàng)認證，作者健康報社有限公司，訪問yuanben.io查詢【1Q3GXEDS】獲取授權(quán)
