??在科技飞速发展的今天，人工智能正逐渐成为医疗领域创新的关键驱动力。NEJM副主编、北京大学未来技术学院院长肖瑞平提醒考虑与AI相关的伦理问题，如隐私权、透明度和数据分享等。她呼吁制定AI在医疗保健中的使用标准，促进透明度，并期待论坛能为创造更好的医疗卫生环境贡献智慧。
4月28日，由《NEJM医学前沿》与清华大学医院管理研究院联合主办、嘉会医疗集团承办的“重塑医疗:医学中的创新人工智能转型”2024中关村论坛年会平行论坛在京召开。
“18家企业获批了27个医疗人工智能辅助诊断场景的三类注册证，数量占全国总数的34%”，北京市卫健委副主任邓平基在“重塑医疗:医学中的创新人工智能转型”平行论坛上分享了这样一组数据。
在“人工智能与医学的未来”中，清华大学医学院主任黄天萌分享了医学教育面临的挑战以及AI和大语言模型的解决之道。在分析了目前医学教育的弊端之后，黄天萌介绍AI和LLM如何通过缩短医生培训时间、提高培训质量等助力医学教育。通过AI辅助的自学模式，学生可以自主调节学习进度，不必依赖传统的面授教学。此外，AI可以帮助医学生接触到罕见病例，提高医疗记录文档的编写效率，减轻医生的工作负担。
首都医科大学附属北京天坛医院副院长王伊龙重点探讨了AI在神经系统疾病的预防、诊断、治疗和管理中发挥的越来越重要的作用。预防方面，AI通过分析大数据可以早期预测帕金森病的发生和严重程度。在诊断方面，AI技术可以快速分析影像学数据，预测脑血管病的发病机制，辅助个体化精准治疗。治疗方面，在脑机交互领域，如难治性帕金森病的脑深部刺激治疗中，AI通过精准调控可显著减少副作用。
NEJM AI常务主编Charlotte Haug分享了NEJM AI杂志的愿景，即推动AI工具在临床应用中达到与传统医疗相同的标准。
在医学和医疗行业中，人工智能正发挥着越来越重要的作用，尤其是在缩短新药研发周期和降低成本方面。赛诺菲转化医学中国的唐蕾详细阐述了公司如何利用AI技术提升小分子药物探索的效率和品质。传统药物研发流程漫长且昂贵，平均需要十年时间和高达26亿美元的投资。然而，通过引入数字化技术和AI能力，赛诺菲已成功地在不到一年的时间内为超过50个靶点生成了预测，并将其中7个创新靶点推进到研究管线中。
唐蕾强调，AI模型的使用已覆盖超八成小分子化合物的筛选和研究，显著加速了研究进度，有望更快地将新药带入临床试验阶段，从而更早地使患者受益。
同时，在医学影像领域，AI的应用也取得了显著成效。GE医疗首席数字官黄峰指出，AI能够快速而准确地提供医学影像的诊断结果。例如，GE医疗某款影像学产品能够提高影像质量四倍，类似的成功案例不胜枚举。
面向未来，尽管AI在医疗领域的应用前景广阔，但隐私权、透明度和数据监管仍是关键议题。多位专家强调，在推进AI在医疗领域应用的同时，必须平衡其潜力和责任，制定相关使用标准，并注重保护患者隐私和数据安全。
AI技术正在医疗领域发挥着革命性的作用，不仅缩短了新药的研发周期，降低了成本，还优化了医学影像的诊断过程。然而，随之而来的伦理和监管问题也需要行业内外的共同关注和解决。
免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。
