2024中关村论坛年会 AI+医疗=？

  的创新，可以极大地提升疾病预防、医疗诊断以及治疗水平，但如何通过AI算法去满足临床需求，包括使用标准、隐私权以及透明度仍需探索。

  “18家企业获批了27个医疗AI辅助诊断场景的三类注册证，数量占全国总数的34%”，北京市卫健委副主任邓平基在“重塑医疗：医学中的创新人工智能转型”平行论坛上分享了这样一组数据。

  当前，北京市的医疗AI发展水平全国领先，医疗AI企业和注册产品的数量均位于全国首位。据邓平基介绍，众多的医疗机构、医师科学家深度地参与了AI产品的研发，人工智能医疗产品的应用涉及到了医疗辅助决策、健康管理、患者的智慧服务、医疗机器人、医院管理、精准医疗等不相同的领域和方面，尤其在医学影像、医学文书、音视频的分析和应用，多组学数据分析方面取得了许多成功的实践。

  邓平基表示，在新理论、新技术的驱动下，人工智能呈现了自主学习、跨界融合、人机协同、群智开放等新特征，正对经济发展、社会进步、全球治理等方面产生重大而深远的影响。生命科学和医疗健康是AI领域最重要的应用场所之一，AI赋能临床研究、新药研发、的创新，可以极大地提升疾病预防、医疗诊断以及治疗水平，改善卫生服务的可及性和普惠性，能够提升服务质量，降低服务成本，其发展前途十分广阔，潜力无限。

  北京市卫健委将按照市委、市政府的部署研究制定符合需求的政策措施，逐步推动医疗AI产品的研发和应用，强化政策支持，强化政策的保障，强化治理，能够更好地推动医学的科学技术创新、成果转化，服务首都人民群众的健康和产业发展。

  人工智能在医学医疗行业起到的一个及其重要的作用就是缩短新药的研发周期、减少相关成本。赛诺菲转化医学中国负责人唐蕾博士分享了公司怎么样去使用AI来改善小分子药物探索质量和速度的实践。

  众所周知，药物研发从药物靶点确定、先导化合物筛选、先导化合物优化再到临床试验、注册上市，是一个非常漫长的过程。唐蕾介绍称，一般来说，开发一种新的治疗方法需要十年左右的时间，以及大量的经费。公开多个方面数据显示，制药公司为这一过程平均要消耗26亿美元。

  正试图通过部署数字化的技术，借助AI能力来增强研发生产力。该公司在转化医学、临床研究以及监管和患者安全阶段均运用到了数字化和AI技术方法。在小分子药物探索方面，科学家们开发了靶向免疫引擎TIE，进行数据的分析和整理，包括深度挖掘各个来源的数据，甚至包括竞争药物的数据。公司对溃疡性的结肠炎进行研究，这一算法已被用于超过50个靶点的预测，且不到12个月就生成了超过50多个靶点的假设，其中有7个创新靶点被推进到了研究管线年一年就取得的成绩。

  唐蕾认为，人工智能模型能提高研究效率。目前超八成小分子化合物的筛选和探索研究都用上了AI模型，大大地加速了研究速度，若能很快地把它们带入临床研究阶段，就能更快地造福于患者。

  清华大学医院管理研究院常务副院长张宗久教授表示，AI在更多场景的应用，打破了地理限制，让优质的医疗资源普惠每一个角落，缩短了新药的研发周期，降低了成本。

  GE医疗中国首席数字官黄峰在圆桌分享环节提到了AI在医学影像方面的应用。AI在医疗领域的首个成功创新应用就在影像学领域。据拥有核磁共振背景的黄峰介绍，行业花了很长的时间去探索影像的精准性。但是，AI出现之后，就可以又快又准地获得诊断结果。比如GE医疗有一个用于影像学的产品，可以4倍提高影像的结果质量，除此之外还有很多其他成功的案例。

  黄峰认为，中国有非常好的生态系统，以及众多优秀的AI初创企业，GE医疗也与这一些企业就一些产品做了具体的合作，这一些产品研发于中国，并在全球加以采用。好的合作伙伴以及众多研究机构、医院对AI应用的浓厚兴趣在黄峰看来都是机遇。一项研究多个方面数据显示，全球48%的患病的人能接受AI，而在中国，这个接受度超过了70%。

  面向未来，GE医疗也在尝试大型的语言模型，和工程师一起来帮助客户。不过，黄峰也提到，由于医学领域很复杂，且严肃领域有严格的规范要遵守，即便有这么多的模型，光靠客户本身也很难快速地了解各种各样的AI应用，工程师的了解也有局限性，因此两相结合，就能够让大模型学习曲线快速地成长，快速地上升。

  克拉利特研究所AI医学主任、本·古里安大学副教授Noa Dagan博士分享了AI驱动医疗的成功实践，据她介绍，由于高危人群丙肝筛查率不高，因此研究者开发了有助于预测丙肝阳性患者的AI算法，来提升了筛查的依从性和效率。据首都医科大学附属北京天坛医院副院长王伊龙教授介绍，AI在神经系统疾病的预防、诊断、治疗和管理中发挥着逐渐重要的作用。预防方面，AI通过一系列分析大数据可以早期预测帕金森病的发生和严重程度。在诊断方面，AI技术能快速分析影像学数据，预测脑血管病的发病机制，辅助个体化精准治疗。

  人工智能拥有巨大的潜力，但在医疗这一特殊领域，需要平衡其潜力和责任。NEJM副主编、北京大学未来技术学院院长肖瑞平教授表示，医疗AI在改善治疗效果、改善医疗信息交流及提升医疗系统效率领域发挥了潜力，但AI相关的伦理问题也需要仔细考虑，如隐私权、透明度和数据分享。她呼吁制定AI在医疗保健中的使用标准，促进透明度。

  在浙江大学医学院附属邵逸夫医院院长蔡秀军教授看来，“人工智能+医疗”需要一些技术创新政策。他强调了三方面的重要性：AI与医学交叉人才的培养很重要，支付的便利性很重要，以及数据的规范、信息安全非常重要。

  蔡秀军认为，AI是很深的学科，临床也是很深的学科。即使有算力，若不知道临床有什么需求，将会是一个很大的问题。因此，处理问题的办法是双方之间互相的交流。他建议高校培养一些交叉复合型人才，以及发挥医院IT队伍的作用等。

  王伊龙从临床医生的角度提出，未来提供一个多模态的高质量数据很重要，且临床医生要提出对AI真正的需求，要鼓励更多学科的合作，希望AI在全链条、各个维度上助力医疗。医疗和AI处不同的赛道，医疗领域有医师法，AI领域有计算机相关的法律和法规，AI介入以后，如何合理合规地用于临床实践，是未来很大的一个挑战。

  NEJM AI常务主编Charlotte Haug博士强调了 AI监管的重要性。如何确保全球的监管一致是需要思考的问题，不然一款AI产品只能在研发地使用。另外，确保适度使用、负责任地进行相对有效数据分享也很重要。在医疗保健领域，使用的数据都是敏感的患者数据，正确地去分享数据并不是特别容易。患者数据及信息隐私问题是在医学中大规模使用AI首先要解决的问题。