　　肿瘤早期筛查、胎儿疾病诊断干预、脑机接口、医疗数字人……随着大模型的不断迭代和应用落地，AI助手开始参与院内与院外、预防与治疗、个体与人群健康等“全周期医疗”。

　　这是近期中青报·中青网记者在相关学术会议、论坛中了解到的数字医疗进展。

　　近日，以“AI赋能全周期医疗新篇”为主题的第三届CCF数字医学大会(DMS2025)在北京举行。本次大会由中国计算机学会(CCF)主办，CCF数字医学分会、首都医科大学附属北京安贞医院联合承办。大会设置9个分论坛，包括智能诊断、精准治疗、医疗大数据应用、医学大模型与多模态应用、AI辅助药物研发、医疗机器人及具身智能等，计算机与医学专家共同讨论前沿议题。

　　“未来已来，多学科交叉合作至关重要。”北京智源人工智能研究院首席科学家张恒贵的这句话代表了很多专家的观点。

　　“人工智能的发展为心脏医学研究、临床应用提供了新范式。”张恒贵带领团队正在构建“虚拟心脏”，将数据驱动与原理驱动相结合，目标是建成AI心脏诊疗模型与数字孪生心脏模型，为诊断心血管疾病、挖掘疾病产生机理赋能。

　　“虚拟心脏”的构建非常复杂，原理驱动涉及详细的生理数据、血液流动动力学模型、生物力学模型，以及心脏结构、解剖模型等。有了“虚拟心脏”，临床医生可以全面了解心脏生理过程，预测心血管疾病发病风险。“虚拟心脏”支持临床手术方案的预演，还能模拟药物对心脏的影响，提高药物研发的安全性和效率。

　　心血管疾病是我国居民死亡的首要原因。安贞医院何怡华教授团队依托国家心血管疾病临床医学研究中心的百万级多模态数据库，研发了覆盖全生命周期的“安贞心宇”心血管专病超声诊断大模型。该模型具备“专家级”推理能力，成为心脏超声智能诊断的核心“大脑”。在此基础上，团队进一步研发了心脏超声智能报告系统、胎儿心脏智慧医疗智能体、智慧超声诊断一体机等智能产品。

　　在我国，不少心血管疾病的死亡发生在医院外。何怡华提出，人工智能数字医疗可以用于早期检测、预测缺血性心脏病和恶性心律失常，构建有效心肺复苏的数字和人工智能辅助工具，在减少院外心血管疾病死亡方面具有潜在作用。

　　CT、核磁共振、超声等检查，都是机器扫描人体后形成图像，再由医生作出诊断报告。在这个过程中，数据量被极度压缩。北京航空航天大学教授田捷介绍，当前医学图像分析遵循“信号-图像-知识”范式，因为医疗成像设备采集到的信号无法被人类直接解读，所以需要重建成图像以服务医生的视觉诊断。“数据重建后可视化差异显著，严重制约AI模型性能。”

　　为了解决这一问题，田捷团队的研究突破传统流程，提出“信号-知识”范式，跳过“图像重建”，直接利用数据分析进行疾病诊断。他们发现，在肺结节良恶性诊断、实性结节诊断、EGFR(表皮生长因子受体)突变预测这3个临床诊断任务中，信号AI相较图像AI模型均提升了诊断精度。团队目前利用AI辅助肿瘤诊断，取得了系列成果，覆盖了肺癌、胃癌、鼻咽癌、肠癌等多种疾病。

　　CCF数字医学分会主任、复旦大学数字医学研究中心主任宋志坚教授分享了Multi-LLM(多模态大语言模型)在结直肠癌预后方面的应用。该模型可以大幅提升基础研究的效率，缩短基础研究与临床的距离，促进个性化、精准诊疗逐渐走向临床。

　　中国工程院院士、北京航空航天大学教授赵沁平重点介绍了“医用数字人体”。通过构建高保真的数字化人体模型，逼真再现人体从细胞、组织、器官到系统的几何形态、物理特性、生理功能乃至病理演化规律，有望突破当前医学发展的三大瓶颈：一是减少对动物实验、尸体解剖等传统医学人才培养手段的依赖；二是构建患者个性化器官模型，为手术方案提供预演、评估与优化平台，降低手术风险；三是辅助病理过程和药械作用的研究，为医疗设备和新药研制提供实验靶场，缩短医疗设备和药物的研发周期，降低研发成本和风险。

　　赵沁平同时强调，构建完整、可交互、可演化的医用数字人体面临巨大科学挑战，我国应考虑布局医用数字人体专项研究，统筹多学科优势力量，开展系统性原始创新与关键技术攻关。

　　北京大学党委常委、常务副校长、医学部主任乔杰教授在讲话中提及，从临床场景看，AI辅助影像诊断让早期病灶无所遁形，手术机器人实现毫米级精准操作，医疗大模型为诊疗决策提供智能支撑；从公共卫生维度，大数据监测让健康防控更具前瞻性，智能管理系统让健康服务覆盖更广泛人群；从科研领域来讲，数字技术加速了新药研发进程，多组学数据融合推动了精准医学突破。“医学临床需求与信息学技术创新的同频共振，正是‘AI赋能全周期医疗新篇’的核心要义。”