□ 本报记者 杨易臻

让基层医院都能拥有自己的“AI医生”，让罕见病患儿也能获得精准诊断，人工智能技术正在加速让这一愿景走进现实。12月12日至14日，由中国生物医学工程学会主办的2025第四届医学人工智能大会在苏州举办。

会上，中国科学院苏州生物医学工程技术研究所（以下简称“苏州医工所”）正式发布“人工智能辅助诊疗模型生成与推理一体化系统”，成为国内创新推出的可院内本地部署的医学AI“模型生产线”。

医院可自主构建专属AI模型

如何将海量的医学数据转化为疾病筛查、辅助诊断、治疗规划的智能工具？作为本次大会的重点发布成果，苏州医工所发布的“人工智能辅助诊疗模型生成与推理一体化系统”旨在回应这一问题。研究团队负责人、苏州医工所生医工人工智能研究室主任戴亚康介绍，这一系统不是一个单一的医学AI模型，而是用于高效构建不同医学AI模型的一站式系统。简单来讲，就是面向医院的医学AI模型“生产线”。

这一平台集成了核心算法、数据治理、智能标注、模型训练、验证测试等工具。医院只需接入自身数据，即可快速针对特定病种建立筛查、诊断或预后预测模型。

“这就好比中医院的‘院内自制制剂’。”戴亚康打了个比方，医院无需再等待企业开发通用产品，而是可以主动将临床数据转化为专属的“模型资产”，将AI模型研发生产的过程搬到医院内。“这样的模式更适合医院本身的场景，比如，我国南方、北方的疾病谱是有一定差异的。利用区域性的数据训练之后，模型会更适合本地区患者的特点。”

在临床应用端，该系统已展现出实效。以儿科为例，因儿童群体数据样本少，对模型算法提出更高要求。团队采用了自监督学习和生成式AI等技术，有效降低对高成本标注数据的依赖，使模型能基于有限样本快速适配专科需求。

戴亚康告诉记者，团队曾用人工智能辅助诊断儿童巨结肠病例，不仅采用了影像学、形态学上面的特征，也将影像医生自己的评价作为参数参考，明显提高了模型诊断的准确率，准确率从77%提高到87%。

在急重症场景中，“抢时间”极为重要，比如，对于肺炎患者，肺炎病原体的鉴别通常需要数天的实验室培养，容易耽误急重症患者治疗。团队联合苏州大学附属第一医院，基于多中心CT影像训练识别模型，可在扫描后快速判别细菌性、病毒性或真菌性肺炎，为早期精准用药提供依据。

“目前该系统已在华山医院、江苏省肿瘤医院、苏州大学附属第一医院和西京医院等进行试点应用，我们基于医院需求反馈进行持续的迭代优化，使我们的系统能有效满足临床科研与应用需求。”戴亚康介绍。

AI正从“辅助工具”转向“决策伙伴”

技术突破之外，如何让AI真正融入诊疗流程，成为业界关注焦点。

会上，苏州大学孙立宁教授从工程制造视角分享了前沿趋势。他指出，新一代手术机器人正在结合多模态感知与大模型技术，正在将“老医生”的经验数字化，像导师一样辅助年轻医生规划手术路径。此外，国产手术机器人已打破进口垄断，并让跨越千里的远程手术成为常态。他以自己的研究方向为例，磁场驱动的纳米机器人技术正在发展，未来有望实现携带药物在血管内导航并精准抵达肿瘤内部。

“我们的医学人工智能研究不能仅仅停留在算法优化或模型构建上，以发论文为目的，而必须紧密贴合临床实际需求。”中国科学院院士、南京大学顾宁教授表示，AI应成为医生得心应手的“智能伙伴”，无缝融入从预防、筛查、诊断、治疗到康复、管理的每一个环节。他呼吁业界将目光投向各级医疗机构，推动智能技术“下沉”，通过开发合适的、高性价比的智能辅助诊疗系统和工具，帮助提升各级医疗机构的诊疗水平，获得更加精准的诊疗。

让人工智能技术普惠基层的愿景，正在逐渐变为现实。大会主席、中国生物医学工程学会医学人工智能分会主任委员孔德兴教授分享了“超声AI”在基层的生动实践：很多基层医疗机构都配备了超声设备，但是缺少超声医生。孔德兴表示，通过部署超声人工智能辅助诊断系统和大模型，可以有效解决这一痛点。通过部署AI辅助诊断系统，AI能发现甲状腺癌、乳腺癌甚至脑卒中等疾病线索，大模型还能根据诊断结果给出治疗和康复方案。

“在河南濮阳，我们在110家社区卫生院和乡镇卫生院部署了该系统。”孔德兴介绍，通过几年的数据跟踪，发现百姓的就医满意度提高了，医保支出降低了。将AI作为支撑点下沉到基层，为我国探索分级诊疗新模式提供了一条切实可行的路径。

技术的突破与理念的落地，离不开坚实的产业与政策支撑。江苏正加速构建全域协同的医学AI生态：在南京，依托南京大学、东南大学等高校，基础研究与算法创新持续突破；在苏州，《苏州市高水平建设“人工智能+”创新发展试验区的若干措施》等政策以“真金白银”支持技术落地。

“江苏拥有较好的生物医药产业生态和临床资源，为开展医工结合研究提供了沃土。”戴亚康表示，“未来，我们将着力推动产学研用各要素的深度聚合，形成一个从基础算法创新、临床场景打磨到成熟产品落地的价值循环，以此赋能全国医学人工智能产业的升级。”