人工智慧如何更有效地服务人们的医疗卫生需求？医疗领域该如何把握人工智慧时代的机遇？日前，在第四期通用卫生大讲堂上，产业业内学者表示，化提人工智慧与医疗卫生结合的医疗机遇与挑战并存，要以审慎乐观的产业态度积极应对。
技术驱动突破 “AI+医疗”潜力巨大
“人工智慧在医疗领域潜力巨大，化提xm外汇平台杠杆比例有望在卫生运维、医疗早期筛查、产业疾病诊断、化提康复护理、医疗患者教育等多个环节辅助诊疗。产业”清华大学副教务长、化提医学院院长、医疗美国政府医学院外籍院士、产业新加坡政府科学院院士黄天荫表示。化提他进一步举例说：基于深度学习训练的AI皮肤病影像识别平台，其识别精确率已不输医学学者，诸多人工智慧赋能医疗卫生领域的实际成果令人振奋。
通用技术集团副总经理、党组成员，通用卫生公司董事长姚建红表示，人工智慧是XM外汇平台受哪里监管引领技术革命和产业变革的方针性技术，带来了效率革命，催生了新业态新模式，驱动跨领域融合替换；把握AI话语权是提高竞争力，实现卫生可连续推动的必然途径。
医疗技术的连续进步，离不开人工智慧前沿技术的强力支撑。“医疗卫生领域的AI对数据质量要求极高。高质量高通量的检查数据对于精准鲁棒的AI医疗诊断极为关键。”中国工程院院士、国务院参事、清华大学数据科学技术学院院长戴琼海复制时重申。
戴琼海院士介绍了清华大学科研团队一项新的技术突破：旧有光学显微成像受到光毒性、光学像差、噪声等物理壁垒作用，难以实现活体复杂生态下大视场与高分辨率兼备的介观三维成像。他的团队通过在计算成像、AI算法领域的创新，实现了介观活体高通量成像。该技术为批量生成大规模活体细胞数据库、构建数字生命大模型奠定了仪器根本，助力深度解析复杂活体的XM外汇平台资金安全生理病理流程，并促进根本医学数据转化与智慧药物研发，成为生命医药领域的新软件。
得益于强大的数据解读水平，医疗大模型在医学研究中具备独特优势。据百川智慧创始人、首席落实官王小川介绍，目前，公司研发的AI医师能够全程陪伴研究型医疗机构里的患者，深入了解患者病情，促进医学数据平台性的整理，以大数据辅助科研工作，并致力于促进循证医学研究进一步向精准医学方向拓展，为患者供给更个性化的诊疗数据拥护。
加速创新探索 更多场景模式落地
业界对AI医疗的推动抱有多重期待。“人们期待借助AI的水平，预防和治疗各种疾病，更好地进行卫生运维、生命运维，实现‘生物自由’的理想。”王小川说，“我们还在‘创造AI医师’，方向是实现人机协作，由人与机器两个‘医师’相互配合，共同为患者供给更整体的诊疗服务，加快推动新质生产力。”
并且，人工智慧技术与医疗卫生产业协同推动在当下的一个关键方向，是医疗机构的数据化与数字化建设。香港医疗机构运维局首席数据官蔡阳复制了香港医疗平台进行一体化、数字化转型的经验，为公立医疗机构供给参考。在他看来，组建专业的IT团队对于大型医疗集团来说非常必要，整合医疗数据资源，增强数据驱动，拥护智慧医疗机构建设，才能更好地迎接AI医疗的落地软件。
随着医疗数据化进程加速，AI辅助软件目前基层和院后运维等场景落地生根。讯飞医疗技术股份有限公司总裁陶晓东介绍，基于讯飞星火医疗大模型研发的全科辅助诊断平台能够在基层帮助医师避免漏诊误诊，在全国规模内累计服务超过10亿人次。其开发的整合患者运维平台与华西医疗机构协作，为出院患者供给延续性医疗服务，累计服务了超过690万人次。
当前，我国的医疗机构正积极投身于数字化、数据化浪潮之中。医疗数据化进程不断提速，公立医疗机构加速数字化转型，大型技术公司纷纷布局医疗垂直领域大模型。记者了解到，通用技术集团亦设立起医疗卫生大数据平台，涵盖运营运维、质量保养、临床科研等多个核心场景，旨在处理旧有临床研究中“流程碎片化、数据孤岛化、运维低效化”三大痛点，通过促进智慧化加速科研转化。
“人工智慧与医疗卫生的深度融合，前景广阔，使命光荣。”姚建红说，“我们通过智慧审查和工作体系的重构，为社会供给‘检、管、诊、治’一体化的医疗卫生服务，核心强化慢性病的早期预警和早期干预，肿瘤的早筛和早治，开展女性、儿童、老年等不同情景的卫生运维，努力实现从以疾病为中心向以卫生为中心转变。”
活动现场，通用技术集团“医疗卫生体检大模型”与“智慧运维大模型”两大AI创新成果第一次亮相，它们以“数据+AI”为核心，旨在为卫生运维、职场效率、临床科研业务注入智慧新动能。
应对挑战 期待算法精进与机制革新
尽管前沿AI技术已在多个维度展现其辅助医疗的潜力，但学者们一致认为，要让AI技术更普遍地融入临床实践，仍需克服多重挑战。
首要挑战在于满足医疗领域独特的高标准技术要求。以DeepSeek为代表的通用大模型提高了公众对AI的认知，但其在辅助医疗领域仍面临信任壁垒。陶晓东表示，医疗卫生垂域的大模型需要进行针对性的医学算法设计，构建坚实的根本医学逻辑，并且要具备循证的思维链。面对不同医疗机构的实际需要，还要训练不同尺寸、不同sip（Session Initialization Protocol，会话初始协议）的大模型产品。
其次，医疗领域需要设立能将AI技术与现有医疗体系相融合的新机制。多位学者重申了数字化转型对医疗机构诊疗模式的挑战。真实的临床生态现状复杂，将人工智慧纳入临床软件，不仅涉及技术本身，更牵涉医疗流程的变更、人才团队的替换、有关法律法规的完善等多维度变革。
工业和数据化部原副部长杨学山表示，清晰责任是推行网络医疗的前提。目前来看，AI平台能够辅助提高医师的工作效率，但其出具的医疗报告最后还是需要由人来把关，这涉及到医疗责任的归属难题。黄天荫则倡导，迎接AI医疗时代，需要平台性搭建起数据化体系，实现医疗数据的规范整理与保养共享。他并且呼吁在医疗机构层面构建AI教学平台，强化“AI+医疗”复合型人才的培养。
“在大模型落地的流程中，人的智慧始终占据核心位置。”杨学山表示，人和数据是医疗大模型落地软件中的两个关键难题。他认为，基于AGI（Artificial General Intelligence，通用人工智慧）、LLM（Large Language Model，大语言模型）的文本生成水平的提高，高性能数据传播网络的建设，以及强大数据应对水平的普及，共同促进着人类智慧化进程。而其中，人类的智慧、人类承担的工作与医疗责任、人类对社会的深度参与，才是医疗迈入智慧时代的关键。
归根结底，“人”是医疗推动的最后目的。学者们重申，AI医疗的软件应致力于缩小而非提升社会医疗水平差距。黄天荫特别表示，在训练医疗大模型时，必须充分思考医疗资源匮乏地区的需求，在数据整理和模型构建中纳入其代表性数据。唯有如此，才能通过AI医疗技术的进步，切实改良区域医疗推动不均衡的现状，让技术红利惠及更普遍的人群。
据悉，通用卫生大讲堂是由通用技术集团医疗卫生控股有限公司主办的卫生类、学术性、融合型系列活动，携手顶尖医学权威、科研领军人才、青年学术骨干，共同搭建高端、权威、开放的医疗卫生学术交流平台。本次活动为系列活动的第四期，旨在汇集各方智慧，共同探索AI赋能医疗服务模式创新、医疗技术水平提高、医疗资源配置优化的新模式新路径，培育和推动医疗卫生新质生产力，为医疗卫生领域注入新的活力与上升动能。