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。（记者 张佳星）