▲“智慧医疗：潜力与挑战论坛”在京举行

11月22日，由科学新媒体“知识分子”与北京大学健康医疗大数据国家研究院联合主办，腾讯腾云智库独家支持的 “智慧医疗：潜力与挑战论坛”（以下简称“论坛”）在北京大学医学部举行。北京大学常务副校长、北京大学医学部主任、中国工程院院士詹启敏教授，清华大学临床医学院院长、清华大学精准医学研究院院长、中国工程院院士董家鸿教授，北京大学健康医疗大数据国家研究院伦理与法律研究中心主任丛亚丽教授以及腾讯优图实验室医疗人工智能总监郑冶枫博士出席了本次论坛。论坛由北京大学健康医疗大数据研究中心副主任王海波主持。

会议伊始，詹启敏院士首先向与会嘉宾表示欢迎，并认为此次会议讨论的议题——智慧医疗是一个非常有意义的话题。他表示，智慧医疗不是一个领域的事情，它涉及到很多跨学科、跨领域的合作。

▲詹启敏院士（摄影：宋红海）

“健康中国”是当前的国家战略，也是解决民生痛点、满足老百姓健康需求的重要战略。当前健康领域仍然面临很大的挑战，一些重大疾病如恶性肿瘤、心脑血管病、神经退行性疾病、罕见病、出生缺陷以及传染性疾病等等，都面临医疗手段有限、许多深层次科学问题尚不理解的困境；同时在临床实践中，单纯靠人力的效率非常低；此外我国医疗资源分布不均，广大基层和贫困山区医疗资源不充分的问题仍然十分突出。这些问题的解决需要创新驱动，将现在的高科技手段融入到医学实践中，推动医学的发展，才可能谈得上智慧医疗。

詹启敏认为，智慧医疗作为新的医疗模式，有望解决老百姓的健康问题，既是解决疾病防治的重要抓手，同时也是发展健康经济的重要抓手，是国家战略规划的重点发展领域。但是发展过程中也面临个人数据隐私权和知识产权的问题，以及伦理的挑战，需要跨学科的合作和讨论。

董家鸿院士以“智慧医疗：大健康，新生态”为题发表演讲。董院士指出，以第四次科技革命为基础的智慧医疗引领了尖端技术融入健康医疗服务的各个层面，将实现供需变革和模式的创新，推动智慧医疗新时代的来临。智慧医疗的应用场景包括精准医疗、医学的影像诊断、医疗的辅助决策、疾病的风险预测、药物的挖掘、移动式的健康管理、医院管理以及临床研究平台等。“随着智慧医疗技术进一步融入到医疗实践的各个领域，将会持续地激发智慧医疗的创新潜能。”董院士说。

▲董家鸿院士（摄影：宋红海）

随后，董院士以“4个E”为切入点对智慧医疗融入实践过程中的显著功效做出了详细的解释。“4个E”分别为Enhancement（增强能力），Efficiency（提升效率），Experience（优化体验）和Extension（延展服务），分别对应了增强健康医疗服务的技术能力、提升医疗服务的效率和效能、优化医疗服务的体验以及拓展医疗服务的时域、空域和疆域。从清华大学的脑起搏器、积水潭医院的骨科手术机器人系统、清华长庚医院智能化精准肝胆手术系统的研发，到各个大数据平台的建立，再到线上线下多学科联合诊疗的整合式医疗模式的实践，以及5G多点远程协同手术，都在不断实现智慧医疗推动未来医学发展。董院士还指出，“智慧医疗要以人为本，集成现代的智慧科技手段，深度融合健康医疗实践，旨在打造全新的大健康生态医疗体系。”

在演讲的最后，董院士表示，智慧医疗将带来全生态体系的创新，需求和供给双侧的变革将会改变中国的医疗模式，促进健康医疗行业的转变。在智慧医疗体系中，智慧医院将通过跨机构的互联互通、自动化高效运营、全流程重塑体验、大数据驱动决策、持续性创新机制，为患者提供高质量的医疗服务。结合较完善的智慧养老体系、智慧防御体系、个人健康档案，切实地解决居民看病难、看病贵和看病乱的难题。

“智慧医院和智慧医联体将会响应国家的健康中国统筹规划，是网格化的医联体布局，提供城市医疗集团和县域医供体的一体化连续性的智慧医疗服务，这样就能为遍及省市县乡村五级的医疗服务提供网络支撑，推广和提供全覆盖的智慧医疗服务”董院士总结道。

郑冶枫博士则从腾讯优图实验室的实践出发，梳理了深度学习在医疗场景下的应用。例如语音识别，由于医生用词多为专业术语，其在医学领域的研发比较特殊，是定制化的；而智能语言处理，可以将病例结构化，进而信息化，从而简化病例搜索的难度；对于辅助诊断，人工智能可以通过对临床指南、科学文献以及大量真实病例的深度学习，给予医生以科学、合理的诊断建议；此外，导诊、医学影像（辅助）分析等方向也都是人工智能在医疗领域的一些实际应用。

▲郑冶枫博士（摄影：李磊）

郑冶枫谈到，AI在医学影像领域的应用较为成功，而且潜力巨大。他介绍道，中国医学影像设备的需求量很大，接下来的若干年里将会以接近两位数的幅度增长，而且医疗影像的数据也会大幅增加，但是影像科医生每年增幅只有4%，AI辅助影像技术可以比较有效解决供需不平衡的问题。

但是医学影像在研发过程中也遇到很多的挑战。深度学习需要大量的医学影像图像，而图像的采集涉及到伦理、合规问题，获取难度很大；此外，医疗数据需要10年以上经验的医生标注，因此标注数据也是一个重大限制。

对于以上问题，目前较好的办法是发展迁移学习和构建开源平台，解决样本量不足的问题。同时，腾讯优图实验室也把专为3D医疗影像在深度学习应用上开发的一系列预训练模型，进行开源输出，促进行业的发展。

丛亚丽教授则从伦理的角度对智慧医疗，特别是其中所运用的人工智能技术提出了疑问。“对于人工智能，从伦理方面我们应该怎么思考它？如果我们积极看待它，它能为我们带来好处，我们可以发展人工智能，但如果犯了致命的错误，谁来负责？是不是我们就停止发展了？”

▲丛亚丽教授（摄影：李磊）

丛亚丽教授的问题也引发了几位嘉宾的进一步讨论。

董家鸿院士指出，该问题应该从科学和伦理两个层面来思考。首先人体是非常复杂的，疾病是极其复杂的。所以，在人类的健康医疗服务中是不可能不出错误的。医学也是在试错过程中不断校正我们诊疗的原理、方法和技术而发展起来的。先进的科技确实能够帮助医生做更正确的判断，做更正确的决策，做更精准的干预，但是仍然不可能完全避免不出错。科技有可能会走弯路，人工智能也不可避免。因为医生做决策的依据很多时候是要依赖科技的手段，人工智能在这方面已经有发达的技术支持了，医生有可能被人工智能误导。当然这是人类发展和科技发展不可避免的问题，但最终的主导主体仍然是医生。随着科技的发展，医生也应该加强培训和学习，以更好的理解人工智能给我们带来的辅助决策的支持它的局限性，让人类站在更高的智慧水平上更好更准确地利用人工智能。科学的发展也对现代的医生提出了更高的要求。

董家鸿谈道，个体疾病复杂的变异性、常态的个体差异，到最后一定是需要医生下决断。“如果我们要求医生遵从机器的决策，那会出很多问题。机器人可以提高手术操作的精度和可控性，但是必须要医生来控制机器人。所以，我们要认识到是医生的AI（辅助），而不是AI医生。”他进一步阐释道，“我认为人机协同是未来的必然选择。因为不确定性总是存在的，机器寻找的是确定性，让我们医生能够更准确地把握其中确定性的东西。但是不确定性是永远存在的，这种不确定性还要靠医生的经验，所以医学是研究不确定性的科学和可能性的艺术。我们依赖人工智能，但是我们又不可能完全依靠人工智能。”

丛教授则对人工智能犯错误该由谁负责这一问题发表看法，人工智能的学习内容是人提供的，它本身并不具备判断对错的能力，并且人们提供的标记数据也不能代表真实世界，数据本身就存在偏移问题。

同时，丛教授对于人工智能的发展问题提出一些思考，人们需要思考一些技术是不是一定要发展，如果这个技术在我们不知道它的好处和风险的情况下，尤其是风险不可控的情况下盲目发展，人类社会该怎么办？从某个角度来说，伦理学就是人为自己制定规则并进行自我管理。在这一点上，我们需要在更大范围内讨论人工智能的风险，使其在某些需要停下来的领域确实停下来。

郑冶枫博士表示，“现阶段人工智能技术的发展要着眼于各个具体问题，把算法的准确率提高，使其跟医生协同合作，改善医疗环境。这里面有很多事情需要我们大力推进。”

而对于未来“强人工智能”的界限，几位嘉宾均表示，对于人工智能的定位与判断，包括未来为了人类的整体利益，可能对人工智能所设立的“红线”，应由科学、技术、法律、伦理等众多领域的跨学科专家，需要社会各界参与到讨论中来，形成广泛的共识，才能真正决定人工智能的走向与界限。

（本报记者 佟艳华）