人工智能医疗迈入加速阶段，多领域落地应用
中国科学院深圳先进技术研究院研究员王珊珊的报告主题为《医学影像人工智能模型探索与讨论》，她指出，人工智能（AI）大模型频繁刷屏，传统AI针对感知任务，采用监督学习进行模型训练，数据单一，模型架构分散。新范式“自监督学习+预训练微调适配”，训练数据从单一到多元，模型架构从分散到统一，监督信号从人工来到了自学阶段。
她指出，医学影像AI基因模型的核心挑战是鲁棒稳定性问题。由于不同设备和成像协议采集的数据退化因素不同，仅从一种数据分布中学习先验知识无法泛化到其他数据分布。基于此，他们提出了一种自监督联邦学习方法，旨在设计个性化更新策略，以学习特定扫描仪和成像协议数据的个性化更新。
加拿大工程院院士、南方科技大学电子与电气工程系主任、讲席教授孟庆虎分享了《GPT时代的智慧医疗创新》专题报告。
孟庆虎回顾人类信息获取方式的演变，梳理人工智能的发展历程。
他认为，当前人工智能的发展水平，已经能够接近人类大脑的水平。孟庆虎教授分享了自己在场景智能、智慧医疗以及手术机器人领域的成果和经验，并结合机器人产业在国内外的发展情况，对相关领域技术进行对比，对GPT时代的人工智能智慧医疗和医疗手术机器人的客观现状和创新发展作出展望。
孟庆虎先生展示了深圳企业最新研发的胶囊内窥镜机器人和全骨科手术机器人。该项技术领先于同领域国内外产品，大幅度提高医疗检查和手术的成功率，引领智慧医疗行业向前发展。
南开大学杰出教授段峰带来了题目为《脑机接口与垂直起降喷气飞行器》的专题报告，他指出，他们团队构建了通过人脑控制鼠脑的系统。同时，通过EEG信号，他们团队目前已经实现控制大鼠左右转向和向前移动。
另外，目前其团队进行了人工冬眠亚低温研究，该研究突破极限，赋予非冬眠恒温大鼠冬眠能力；并且过程可逆，光遗传诱导快速可逆体温调节；同时长效稳定，连续光刺激的低温长效维持。
湖南大学信息科学与工程学院教授曾湘祥以《知识、视觉与语言驱动的药物研发》为题，带领大家了解如何获得生物医药知识、如何预测药物相互作用等问题，分享水凝胶设计、药物研发大模型等正在开展的研究项目。
曾湘祥表示，药物研发的数据来源于生物实验，获得数据的成本非常高昂，因此AI药物研发，迫切需要解决的就是小样本问题。对于此问题，曾湘祥教授的思路是利用好人类的医药知识和自我监督学习。通过挖掘近3000万篇文献，运用人工智能整合了大型数据库，研究团队构建了大型多组学知识图谱，精确推理面向药物研发的多模态大模型。
中山大学生物医学工程学院副教授高智凡带来了《心血管医学影像智能分析》专题报告。首先，他介绍相关内容的背景知识，包括为什么关注心血管疾病、为什么关注心脏影像以及心脏影像与自然影响处理任务之间的区别与挑战。
他详细介绍了团队围绕心脏影像学开展的三项主要工作：心血管影像的重建、心血管影像的分割、心血管影像的功能学定量评估。在心血管影像的重建工作中，他介绍了使用生成技术为少量造影剂重建高质量的冠状动脉图像的方法。该方法可以显著减少患者暴露于造影剂的剂量，从而降低对患者的伤害和风险。
中国人民解放军南部战区总医院科室主任徐琳为大家介绍了《基于混合智能的心脏康复效能增强及军民融合应用范式》专题报告。作为临床医生，徐琳回顾了心血管疾病救治历程，分析临床现状，为人工智能和心脏康复治疗相结合提供实践案例。
她指出，当前心血管疾病救治面临评估时效低、实施监测难、随访依从性差这三大瓶颈。基于此，需要将人工智能引入心血管疾病救治工作，在多模态医学影像智能处理技术、全周期生命信息监测关键技术、混合智能心脏康复临床应用这三大领域进行创新，最终达到高时效、跨场景、广人群，基于混合智能实现心脏康复体系效能增强的目标。
大模型时代，人工智能医疗“既要做通才，又要做专家”
“在大模型时代，医疗人工智能：是通才还是专家？”
中山大学生物医学工程学院副教授高智凡认为，医疗人工智能既要能通用协作，又要具有专业技能，二者是一种协作发展关系。“既要做通才，又要做专家”。
南开大学杰出教授段峰从长期从事智能机器人研究工作的实践经验出发，坚信人工智能大模型的发展能够推动智能医疗发展。比如，脑机接口试验为人们带来了广阔的遐想空间，未来，介入式脑机接口或许还有机会在医疗领域大显身手。
天津理工大学教授刘振忠指出，对于人工智能医疗来说，目前显示了非常多的优势，但是应用场景不多，所以接下来要挖掘更多的应用场景。
中国人民解放军南部战区总医院科室主任徐琳则认为，作为医生，一定要解决问题，尤其是更快解决问题，所以人工智能朝着产业化运作具有一定的意义。
上海宇耀生物科技有限公司AI新药研发总监曾理提出，人工智能产业化发展是趋势，但是要找到合适应用场景，从而推动更多企业凝聚一起，产生合力。
华南理工大学计算机科学与工程学院副院长、教授张通提到，人工智能发展一定要有组织地运行下去，作为科学家，未来会聚焦学术和应用，推动科研成果更好转化为应用技术。
