上证报中国证券网讯（记者 宋薇萍）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，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（300832）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。

　　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，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。

关注同花顺财经（ths518），获取更多机会