人工智能助力精准医疗的本质是通过基因组、蛋白质组等组学技术和医学前沿技术，对于大样本与特定疾病类型进行生物标记的分析与鉴定、验证与应用，从而精确寻找到疾病的原因和治疗的靶点，并对一种疾病不同状态和过程进行精确分类，最终实现对于疾病和特定患者进行个性化精准治疗的目的，提高疾病诊治与预防的效果。

在此背景下，2023年10月14日，由中国计算机学会主办，CCF YOCSEF武汉学术委员会、武汉科技大学承办的 “人工智能与精准医疗深度融合，助力诊疗精度和效率提升”技术论坛在武汉科技大学黄家湖校区计算机科学与技术学院406会议室顺利召开。本次论坛由胡静（武汉科技大学，YOCSEF武汉 学术秘书）和刘世超（华中农业大学，YOCSEF武汉学术秘书）担任执行主席，由周凤（并行科技，YOCSEF武汉委员）、柳正利（武汉纺织大学，YOCSEF武汉委员）担任线上主席，参与本次论坛的还有YOCSEF武汉主席肖奎，副主席唐厂，前任主席胡威，AC 委员：胡静、刘世超、肖奎、李增扬、叶正、唐厂、吴佳、安波、章文（老主席），委员：周凤、柳正利、汪家明、陈壹林、刘威、汪蓉、阮荣娟，以及学生志愿者。本次论坛邀请了华中师范大学马于涛，中南民族大学张世华，武汉科技大学金淑婷作为嘉宾进行了引导发言，邀请了武汉中心医院呼吸与危重症医学科主任胡轶，联影医疗总架构师、AI研发总监余跃作为思辨嘉宾进行了发言。本次论坛线上线下共吸引了40多位相关来自企业家和学术界的人士和同学共同参与。现场讨论气氛十分热烈，各位嘉宾及现场参会人员踊跃发言，各抒己见。

开幕式环节

引导发言环节

引导发言环节—为嘉宾颁发感谢牌

环节一：引导发言

第一个引导发言嘉宾来自华中师范大学的马于涛以《见微知著：“维纳斯精灵”赋能宫劲病变即视即诊》为题，介绍了当前宫劲病变的一些特点，指出当前宫颈癌的发病整体呈现年轻化、上升趋势，但是也是目前唯一病因明确且可防治的癌症，需要早发现、早治疗。目前临床检查的痛点包括疼痛感、焦虑感、疑惑感等。从技术上看，实现宫颈病变“即视即诊”仍然面临一些技术挑战，包括看不清（成像分辨率低、表皮以下不可见）、判不准（标注数据不够，泛化能力不足）、等不及（检查周期长、检查意见耗时）。紧接着，他介绍了其团队开发的“维纳斯精灵”系统，包括光学超分辨率无创成像以及自监督的智能辅助诊断技术，并研发了“光超UL-C10”光电软硬一体化设备，拥有完全自主产权，100%实现去美国化。所开发的系统通过对光学相干断层扫描(OCT)的技术、经过空分多路OCT成像技术、OCT图像数据并行处理，提高了成像速度和高分辨率的图像。通过自监督学习的研究思路，他的团队采用了自监督多任务学习框架，纹理对比学习策略和掩码表示学习策略来提高宫颈医学影像的识别精度。所研发的产品已纳入了河南省医保收费项目，当前正在武汉、襄阳、十堰、恩施等地的多所医院进行更大规模的临床实验。

第二个引导发言嘉宾是来自中南民族大学的张世华，以《癌症转移分子智能诊断》为题，介绍了癌症转移分析的相关智能诊断技术，包括癌症转移事件的概念定义、癌症转移的分解、四色调控网络图，以及癌症转移分子数据库的构建等。此外，还介绍了基于表达谱数据的癌症局部转移预测技术，如生物学降维、局部线性距离学习、对抗网络生成等技术。最后，还分享了近年来比较前沿的单细胞表达谱的癌症转移预后、基于变分图注意力自编码器的单细胞聚类方法以及单细胞分辨率的癌症转移图谱构建相关技术。

第三个引导发言嘉宾是来自武汉科技大学的金淑婷，以《面向药物结合预测的等变图匹配网络预训练模型》为题，分享了深度学习技术在药物研发方面的应用。金淑婷指出，以往针对药物结合的预测模型的研究相对单一，利用稳定的固定信息，而忽略了动态信息，而动态信息的获取需要对数据进行特定处理。目前，分子动力学模拟软件相对成熟，可以观察配体受体结合的时空动态过程。因此，她提出了一种基于等变图匹配网络的药物靶点预测模型ProtMD，通过在预训练模型中引入蛋白质的动态时空信息，基于对蛋白质结构多样性的深入理解，构建了具有结构代表性的蛋白质“小样本”数据集，进行蛋白质动力学模拟并获得其动态信息，并以此为基础建立AI预训练模型。该模型的表现超越以往基于蛋白质3D静态结构信息的AI模型，达到目前最优，在药物-蛋白亲和力预测任务等多个下游任务的表现上大幅超越目前最优模型。该模型可辅助药物化学专家更加精准的筛选出高活性小分子，从而加速临床前研发。

环节二：思辩环节

在思辨讨论环节，与会嘉宾围绕“人工智能与精准医疗深度融合 助力诊疗精度和效率提升”这一主题，从“人工智能在医学影像诊断中的应用”、“人工智能与靶向治疗”、“精准医疗突破瓶颈，路在何方？”等三个子议题展开思辩。

思辨议题1：人工智能在医学影像诊断中的应用

子议题1.1医学影像诊断有哪些关键性技术难点？

子议题1.2人工智能在医学影像诊断中的优势是什么？相对于传统的医生诊断方法有哪些改进之处？

武汉中心医院胡轶认为在肺部疾病上，会出现“同病异像”、“同像异病”现象，肺炎单从影像上很难看得出来，比如结节。影像是静态的，具体诊断还要结合临床上多种表现来判定。对于医生来说，随着年龄增加，看的影像片子越来越少，而人工智能系统对着“读片”的增多，能力缺越来越强。人工智能的学习能力远远高于人类，且处理分析能力迭代速度快，但是目前医疗诊断还是以医生为主，但是AI可以弥补医生在某些方面的不足，可以辅助医生做决策，比如，目前的系统可以在医生开药不当时，给出提示。

来自联影医疗的余跃认为医学影像数据标注困难，需要大量人员来标注医疗数据，还要符合国家监管要求。目前的影像科面临的挑战有：（1）医生培养周期长，（2）新设备出现，需要医生不断学习（3）患者数量大，阅片工作量大。医疗影像诊断的阅片，主要还是依赖医生个人经验和技能，导致了高质量诊断难度大的问题。AI在影像医学诊断方面存在有时间和空间两种优势。目前，各个医院的医疗水平分布不均，但是AI可以帮助提高诊疗水平，防治意外事故的发生，AI在边缘城市发挥的能力会更大。基于高质量的数据集，可以提高AI的泛化能力。

马于涛认为AI技术主要辅助执行医学影像分析、计算机辅助诊断。医生做诊断靠循证医学，非常复杂，不能仅仅靠医学影像分析来解决，单纯依靠医学影像，很难做出精准诊断，需要医院、病人、AI公司多方合作才能完成。此外，医工结合的时候，二者对效果评价的视角也不一样。在工科的角度，主要基于准确度类似的指标来评估方法性能。在医生的角度，主要看诊断的准确性，二者的评价指标需要平衡。

思辨议题2：人工智能与靶向治疗

子议题2.1精准医疗，多准才算准？

子议题2.2 AI如何助力靶向药物筛选？

武汉中心医院胡轶认为精准医疗的评价标准，医工会存在差异，工科主要基于准确度指标评价，但是医学关注治疗的效果。对于工科上的99%预测率对于医生的工作来说没有特别大的意义。医生的工作是救活一个人，那么医生希望的准确率是100%。临床医生不太关注概率问题，主要关注病人的病情，关注让病人受益的技术。对于精准治疗，能把病人的问题解决就算准。学术上可以讨论精准医疗的准确率，但对于临床大夫来说更希望获得最精准的数据。目前有一些新的技术，如影像组学，图像如何与基因或病理进行融合，做到看到影像能判断是哪种肿瘤及所在周期。目前各个医院的影像是分割开的，各个医院之间数据不共享。如果全国的医院能打破数据壁垒，可以很大程度提高AI的能力。

来自中南民族大学的张世华认为目前关注准确度是否还有意义，工科要转变思路，考虑医科关注的视角，不能仅仅关注工科的准确度评价指标。我们应该相信AI技术，会根据计算机给出来的靶标来做实验，应该抛开成见，选择相信。此外，还需要上下游结合，将基础研究的成果应用到实际，进行验证。需要更多的交叉、协作，共同推进药物筛选，造福人民群众。

来自联影医疗的余跃指出对于目前肿瘤类型的分类问题，基于标注的肿瘤数据训练出的模型，判别的准确度已经能达到89%左右。但是对医生来说，人工智能辅助诊断起到快速的提示作用。现在的方法是解决2D问题，常用的CT是3D问题，需要结合医疗数据来训练。对于基层来说，任务多，要求简单，需要一种通用的技术，但是已有的技术很难做到。

来自华中师范大学的马于涛认为多准才算准，因人而异。各个医院诊疗结果不能互认。AI辅助诊断，是规范化，但是诊疗是个性化的。准确度对于诊断是很难判断的。随着使用时间的增加，模型的精度会下降。所以需要增加标注数据，通过多次迭代，不断提高模型的能力。

来自武汉科技大学的金淑婷认为AI模型可以通过靶点-配体交互数据，来识别靶点以及口袋。根据口袋信息来筛选药物，做到药物重定位或者对数据库进行筛选，或者从头生成药物，也可以对生成的药物根据口袋进行优化，但后续还需要一些动物，细胞等实验来初步筛选。AI虽然能做药物筛选，但还是辅助，帮助化学家、生物学家做一些筛选和推荐，但是最后这个药物有没有效果，还是需要临床医生判断。

来自华中农业大学的章文认为药物发现是AI落地非常重要的场景。目前很多AI会议的主题也关注药物发现。目前AI技术的发展的确颠覆了传统的药物发现和设计技术，但目前AI在药物发现方面还存在瓶颈，因为药物进入人体以后，作用机制非常复杂。药物进入人体会有一些吸收、结合等复杂过程。总的来说，AI确实对药物筛选起的很大作用，希望可以将临床的信息融合进去。

思辨议题3：精准医疗突破瓶颈，路在何方？

子议题3.1是什么扼住了精准医疗发展的咽喉：数据、算力还是模型？

子议题3.2 人工智能在临床应用的挑战是什么？？

武汉中心医院的胡轶认为对于临床来说，数据为主，人是一个多维度的，模型需要加很多参数在里面，需要实时更新。对于医疗数据的保护，主要是两点：一是物理隔绝，医院的系统与外界断连；二是所有敏感信息脱敏。目前给病人下诊断是一个复杂的过程，一般不会用AI去解释，主要用临床医学的知识去解释，去获得病人的理解。对于临床医生来说，人工智能仍旧是辅助工具。

来自联影医疗的余跃认为数据、算力、模型这三者像是一种支柱，对于医疗相关模型而言，在数据大的情况下，也需要算力支撑。数据，算力，模型三者都很重要。成功的一个公司会拥有自己的一个生态，这三者就更像一种生态，来支撑下一步研究。对于医疗数据保护，公司需要建立一套机制，保证数据的安全，比如使用数据需要审批，使用以后要及时删除。

来自华中师范大学的马于涛认为还是数据会更重要一些，数据的获取很难，而且还需要大量的高质量标注数据。标准数据成本更高，花费的精力也更多。有一些数据可能还存在瑕疵，需要后续做一些处理。

来自中国地质大学的唐厂认为如何信任AI给出的结果，目前AI给出的诊断可信度到底如何，仍有待验证。

思辨环节—为嘉宾颁发感谢牌

最后，两位执行主席对论坛进行了总结，本次论坛活动在大家的热烈讨论中圆满结束。

全体参会人员合影