全国政协常委、上海公共外交协会会长周汉民9月6日在2024外滩大会分论坛——AI医药革命：产业链创新之路见解论坛上表示配资操盘，人工智能的发展势不可挡，医疗要与科技高度融合、携手共进，在人工智能的浪潮中乘风破浪，共创人类健康的美好未来。

　　当天，周汉民以《人工智能时代医疗新产业的发展和创新》为题进行了主旨演讲，分析了人工智能时代下，医疗产业发展的新机遇和新挑战。他呼吁，相关产业企业要以构建新质生产力为抓手，更好地与人工智能相结合，这是医疗大健康产业未来发展的重中之重。

　　人工智能与医疗双向驱动已成为热门赛道

　　“当前，日新月异的AI技术正在与生物制药、医学诊疗深度融合，广泛用于医疗各个领域，从最初的影像诊断、辅助诊疗、基因检测，到近年来的药物发现、临床试验、健康管理等，在提高精准度与效率、个性化治疗、数据处理等方面具备显著优势，尤其是在癌症、心脏病以及其他慢性病的筛查中，展现了其巨大的潜力。”周汉民在会上充分肯定了“AI＋医疗”的应用前景。

　　周汉民说，有分析预测，到2025年人工智能在医疗健康领域的市场规模将从2019年的59亿美元增长到2025年的313亿美元。其中，大部分应用集中在药物发现、可穿戴技术、血液病原体分析和图像解读等领域，未来年复合增速有望超过60%的领域包括癌症治疗、肺炎诊断、冠心病诊断和骨折诊断等，“AI+医疗”已成为当前行业发展的热门赛道之一。

　　以AI影像为例，周汉民认为，这是医疗领域应用最为广泛的场景之一。“目前，中国影像数据约占全球约80%至90%，并以30%的增速持续高速增长。AI医学影像已经走向成熟期，已有超60个三类证产品获批上市。”

　　在他看来，人工智能和医疗健康的结合是“双向驱动”的，一方面，人工智能的众多技术在医疗领域得到了显著的商用价值体现；另一方面，创新型的AI技术也给医疗创新带来了新的机会。

　　从全球看，周汉民说，目前，美国、欧盟发布的人工智能计划都涵盖了医疗，越来越多医药企业逐渐开始向人工智能敞开怀抱，一些代表性的科技巨头也不断向生物医药领域辐射，微软、谷歌、亚马逊等纷纷布局，推出了针对制药等技术的AI模型，英伟达更是将“人工智能+医药”作为下一个“黄金赛道”，大力开发模型，帮助全球的科学家和医疗企业通过生成式AI进行效率提升。同时，直接开展投资，仅2023年，就有超过10家AI制药企业收获了英伟达的资本支持，医疗健康领域有望获得快速突破。

　　“AI＋医疗”面临四大挑战

　　在肯定人工智能与医疗相互融合的广阔前景的同时，周汉民认为，人工智能在医疗领域的应用也充满挑战，具体表现如下：

　　——是否精准有效。他说，尽管“AI+医疗”的智能诊断模式可以帮助医生更加快速地识别患者的病症，但其准确性和可靠性还有待提高。例如，大型语言模型在总结病人笔记时可能会引入不准确的信息，导致无法通过精确数据进行治疗决策。建议在技术层面不断完善，包括更加精细的数据算法并对医学领域的知识进行深度学习，以及技术与临床的紧密结合等，才能构建更加智能高效的医疗健康体系。

　　——是否具有广泛适用性。周汉民说，人工智能基于数据学习和整合，医疗数据的来源丰富、形式多样，数据量庞大且复杂，质量也参差不齐，可能会因数据来源单一、样本量不足等而造成算法偏见，进而导致医疗错误。例如，基于大量医院数据资源进行训练的算法，在资源较少的环境中应用时可能表现不佳。实践证明，AI临床测试的结果难以在不同人群中推广。只有当临床试验参与者代表了该工具将要用于的人群时，才能精准推断结果。

　　——是否安全可靠。周汉民说，人工智能技术在医疗行业的应用需要处理大量的个人健康数据，做好患者的个人隐私保护，合理使用所需的数据，防止数据的泄露和滥用，也是需要高度重视的问题。

　　2023年10月，美国国家人工智能咨询委员会（NAIAC）发布一份人工智能未来潜在风险调查结果，显示在美国超过60%受访者对医疗过程中使用人工智能感到不适，78%受访者对人工智能应用造成的风险感到不安，对人工智能研究与应用持审慎态度。

　　此外，人工智能的引入是否会导致医护人员技能萎缩、对人工智能的信任的误判以及信息超载？例如，临床医生可能过度依赖人工智能来管理相关事宜，对自身医学知识的学习不足，导致其专业技能萎缩。如何平衡AI与医生的角色，这也是行业必须认真思考和解决的问题。

　　构建医疗产业新质生产力

　　对于构建医疗产业新质生产力，周汉民认为，这需要深度融合人工智能等前沿技术，从全局、源头上解决生物医药高质量发展面临的问题，围绕创新链布局产业链。

　　一是促进人工智能与临床的紧密结合，提升精准度。人工智能在生物医药领域的应用目前可分为两类：一类是上游技术平台，如算法和工具；另一类是下游管线，如具体的药物研发项目。无论上游还是下游，人工智能都需要与具体的临床业务紧密结合，才能真正发挥其价值。

面对生态保护和产业发展的矛盾，阿坝州“严格禁”“积极退”，落实天然草原禁牧和草畜平衡管护制度，实施退牧还草、退牧还湿、禁牧休牧轮牧，采取筑坝还湿、引水保湿、限牧保湿、种草养湿等生态措施开展综合整治修复，科学谋划草地、湿地均衡发展。通过实施“禁”与“退”，实现了草场、湿地生态环境的协调发展。

支持券商借助并购重组发展壮大，监管层一直态度明确。3月15日，证监会发布《关于加强证券公司和公募基金监管加快推进建设一流投资银行和投资机构的意见(试行)》提出，适度拓宽优质机构资本空间，支持头部机构通过并购重组、组织创新等方式做优做强；紧接着，今年4月发布的新“国九条”也明确强调，支持头部机构通过并购重组、组织创新等方式提升核心竞争力。

　　周汉民强调，特别要提高医疗健康专业人员与算法的互动程度，在临床实践中得到持续提升。例如，对于大模型的应用，医生和科研人员要与患者以及模型开发团队互相信任、充分沟通并形成电子病历，将复杂的医学专业概念转化为机器可理解的语言，不断动态更新，推动大模型训练，形成“专业人员投喂知识—大模型反馈信息—专业人员查漏补缺—大模型持续积累”的良性循环。

　　“在医疗领域中，人工智能的‘黑盒’问题特别引人关注，也就是人工智能算法在决策过程中的不透明性和难以解释性，目前有关人工智能模型的相关研究都一定程度存在类似的问题。鉴于医疗领域的严肃性，我们对于大模型给出结果的每一步都要严谨把关，要有完善的推理过程，增进算法的透明度和可解释性，确保最终的生成结果是可回溯、可溯源的。”周汉民说。

　　二是优化数据集和模型架构，提升适用性。数据是人工智能模型的基石。其中，数量决定了模型的适用性和泛化能力，质量是模型准确性和可靠性的重要保障，因而，要构建庞大、高质量的数据集，包括临床数据、科研数据、文献数据、海内外数据等，并对这些数据进行收集、清洗、整理，加强数据治理，使之变成可靠数据，具有可解释性，在此基础上，选择和开发、完善最优的AI模型，不断迭代，吸收整个领域的相关数据，以确保其适用于更多人群。同时，推动算力硬件和软件设施建设，以AI制药为例，有关部门可聚焦新药靶点挖掘与验证、药物发现与设计、新型药物筛选、用药安全分析等环节，支持模型、算法、专业软件等攻关突破和共性平台加快建设，开展智能化场景应用示范。

　　三是加强数据隐私保护，提升安全性。隐私数据问题始终是医疗行业关注的焦点，患者的健康数据在收集和存储过程中的安全性是关键问题。建议制定医疗数据收集标准，明确操作流程，可由行业协会牵头，关注合法性、安全性和伦理性的融合，推动人工智能研究的规范化和标准化，如必须取得患者同意，遵循民法典、数据安全法、个人信息保护法等相关法律法规、加强数据安全保护等，使得人工智能在医疗领域中的应用透明、公正和可信。

　　“对医护人员而言，人工智能是重要的助手，但绝不会被替代。”周汉民说，人工智能无法复制医生所具有的情感美德，如同理心、同情心和人文关怀配资操盘，医护人员要正确看待并积极拥抱人工智能。建议加强对医护人员的培训，助力医护人员提升对人工智能技术的认知和理解，并指导其合理地应用这一技术，不仅要成为人工智能的使用者，更要成为创新的推动者。

• 全国
• 配资操盘
• 大会
• 外滩
• 正邪