AI与医疗深度融合 开启智能医疗新时代

国际医疗健康人工智能大会暨2024中国心胸血管麻醉学会学术会议现场。 （中国心胸血管麻醉学会供图）

“我国是人口大国，随着经济社会快速发展和老龄化进程加快，人民群众对健康的美好需求不断催生医疗健康领域人工智能的研发与应用。”日前在广州举办的国际医疗健康人工智能大会暨2024中国心胸血管麻醉学会学术会议上，全国政协委员、中国心胸血管麻醉学会常务副会长敖虎山在开幕式致辞中如是说。11月14日，国家卫生健康委、国家中医药管理局、国家疾控局联合发布《卫生健康行业人工智能应用场景参考指引》，成为落实党中央、国务院关于开展“人工智能+”行动的重要举措。此次大会正是顺应时代潮流、响应国家号召的关键行动，是推动我国医疗健康领域技术创新与产业升级的重要契机。

人工智能将如何赋能医疗健康领域？又将带来哪些新的趋势和机遇？在这场国际性学术交流会议上，多位全国政协委员、来自国内外的专家学者、行业翘楚及相关政府部门负责人等，围绕人工智能与医疗健康、人工智能与心胸血管麻醉的深度融合谈现状、话未来。

——编者

AI正加速医疗模式变革

近年来，以ChatGPT为代表的大模型技术带来人工智能（以下简称AI）的突破性发展。在科技创新领域，科研人员借助AI大模型，处理更高维度、更多变量、更复杂问题的能力得到巨大提升。

在医疗领域，AI同样在推动科研范式变革方面发挥重要作用。

“在传统的医疗科研模式中，医生和研究人员主要依赖临床经验、实验数据和文献综述来进行疾病研究、药物研发和治疗方案制定。然而，这种模式往往受限于数据规模、处理能力和分析方法的局限性，导致科研进展缓慢。随着AI技术的引入，医疗科研范式正在发生根本性变化。”全国政协委员、工业和信息化部原副部长王江平表示，如今，通过大数据分析、机器学习和深度学习等手段，能够高效地处理和分析海量的医疗数据，为医生和研究人员提供更为精准、全面的诊断依据和科研支持，大幅提升药物研发的效率和精准性。比如，华为云盘古药物分子大模型提出了针对化合物表征学习的全新深度学习网络架构，有效提升了药物设计效率；腾讯人工智能实验室自研的“tFold”工具有效提升了蛋白质结构预测精度。

“不仅如此，AI在医疗健康领域的应用方面，也有了重大突破，具身智能或许将成为通往通用AI的重要推力。”王江平介绍说，具身智能是一种具备自主决策和行动能力的机器智能，它可以像人类一样感知和理解环境，通过自主学习和适应性行为来完成任务。其中比较典型的就是手术机器人，如达·芬奇手术机器人已被广泛应用于微创手术。这种类型的机器人为外科医生提供了超越人类极限的精确度和可控性，能够进行微小切口的精细操作，减少手术创伤、加快恢复速度，并降低感染风险。

“未来，手术机器人有望进一步提升对手术过程的感知和控制能力，根据患者的个体差异实施更加精准、个性化的手术治疗。”王江平预测，随着技术的不断发展和完善，AI在医疗领域的应用将更加广泛，为人类健康带来更多的可能性。

全国政协委员、人口资源环境委员会副主任王建军在发言中也表示，医疗健康融入AI、大数据、云计算等现代信息技术，能够优化医疗生态、提升医疗服务质量、优化医疗资源配置、增强医患互动。建议各界专业人士加强交流互鉴，抢抓大健康产业发展重要机遇，为实现中国式现代化贡献力量。

AI在麻醉领域的应用潜力巨大

随着AI在医学领域的应用日益广泛，AI正在改变传统的麻醉方式，为麻醉医生提供前所未有的支持和帮助，如监测麻醉深度、疼痛管理、风险预测等方面。

“麻醉深度是影响手术安全和患者舒适度的重要因素之一。传统的麻醉深度监测方法如脑电图双谱指数（BIS）等，虽然在一定程度上能够反映患者的麻醉状态，但仍存在诸多局限性。AI技术的加入，为麻醉深度监测带来了革命性的改变。在手术过程中，AI系统能够实时监测患者的脑电图等生理信号，确定患者的麻醉深度，指导临床用药。”敖虎山表示。

香港中文大学第二附属医院麻醉科主任周树勤介绍说，AI在麻醉深度监测中的应用，不仅提高了麻醉的精准度，还有效降低了因麻醉深度不当而引发的并发症风险。在传统的麻醉实践中，麻醉师主要依赖自身的经验和专业知识来评估患者的麻醉风险，并制定相应的麻醉计划。然而，由于个体差异和病情的复杂性，这种评估方法往往存在一定的局限性和不确定性。而AI技术的引入，将为麻醉风险预测带来革命性的改变。

“AI系统通过对大量历史数据的学习和分析，构建出预测模型。这些模型能够识别出与麻醉风险相关的关键因素，如患者的年龄、体重、健康状况、手术类型等，并根据这些因素来预测患者可能出现的麻醉风险。”周树勤说。

中国医学科学院阜外医院麻醉中心主任医师张喆围绕机器学习在围麻醉期风险预测、患者状态实时监测、药物剂量优化等方面的应用分享了观点。他表示，由于患者对麻醉药物的反应存在显著个体差异，传统麻醉方式难以应对多样化的个体反应，麻醉中无法根据患者的生理状态变化，实时调整药物剂量，无法预测麻醉中出现的低血压等不良反应。

“通过机器学习建构模型，有望解决上述一系列问题。AI在麻醉中的应用正在逐步深入，并展现出巨大的潜力。未来，随着技术的不断进步和应用场景的不断拓展，麻醉将迎来更加精准、高效和安全的新时代。”张喆表示。