中国青年报客户端讯（中青报·中青网记者 林洁）近日，在广州举行的首届大湾区医学人工智能大会 上，中国工程院院士、广州国家实验室主任钟南山强调："医学AI绝对不是选择题，而是必答题，不跟 上就肯定落后。" 中国工程 院院士、广州国家实验室主任钟南山致辞。主办方供图 中国医院协会常务副会长毛群安提出，我国医疗资源分布不均、基层服务能力薄弱等问题，亟待通过新 一代信息技术创新来破解。"人工智能+医疗卫生"不能靠单打独斗，它是新质生产力发展所需的"技术创 新+体制机制创新+生态协同"的系统工程，产学研医用联动更是医学AI转化落地的关键载体。 医学人工智能因行业的海量数据、丰富场景与民生刚需，成为"人工智能+"最具潜力的落地赛道。钟南 山表示，发展医学人工智能要靠更多机构的协作。人工智能的创新和发展，也需要产学研结合，才能尽 快转化、落地。他期待，如果AI能将他数十年临床经验的思考、体会收集提炼出来再推广，基层医生 不用花很长时间培训，就能快速提升水平。 广东省政务服务和数据管理局局长王天广表示，健康医疗数据是国家重要基础性战略资源，也是医学人 工智能发展的关键基础资源。他期待，更多高水平的医疗机构、科研院所和科技企业 ...

文章核心观点 - 一位名为Laurent Simons的15岁比利时少年，在量子物理学领域取得博士学位，并计划转向AI医疗领域，旨在开发“超级人类”并利用先进科学对抗生物衰老 [1][33][34] 天才少年的学术历程 - 4岁开始读小学，仅用2年完成小学学业 [5] - 在中学阶段，其学习速度远超同龄人，几天便能掌握其他学生需要十周才能学完的内容 [9][10] - 8岁高中毕业，随后进入埃因霍温理工大学攻读电气工程学位，目标是10岁前毕业 [14][15] - 因毕业时间安排分歧，11岁时从安特卫普大学以最高分（85%）完成物理学学士课程 [20][21] - 12岁时以最优成绩取得硕士学位，期间在马克斯·普朗克量子光学研究所研究利用激光检测微小癌细胞 [22][23][24] - 15岁时完成量子物理学博士学位，论文主题为“超流体和超固体中的玻色极化子” [26][27] 个人生活与家庭背景 - 日常生活中，其作息与普通青少年相似，会赖床至上午11点，并喜欢追剧和玩《我的世界》、《堡垒之夜》等电子游戏 [37][38][39][41] - 出生于2009年，父母均为牙医，童年大部分时间与祖父母同住 [44][45] - 智商高达145，位于全球人口的前0.1% [51] - 父母对其采取“放养”态度，希望他能做自己喜欢的事，但也频繁为其安排媒体采访，使其曝光于聚光灯下 [43][52][53][54] 未来规划与行业影响 - 计划攻读第二个博士学位，方向为医学AI，目标是开发“超级人类”并对抗生物衰老，动机源于祖父母因心脏病去世 [33][34][35] - 其学术转向（从量子物理到AI医疗）和非凡成就引发了科技巨头的关注，但相关邀约均被其父母谢绝 [32]

模型概述与行业意义 - 医学AI正从解决单一任务的“专科助手”向统一理解多种医学数据的“全能型选手”进化 [1] - Hulu-Med是首个能在单一模型内统一理解医学文本、2D图像、3D体积和医学视频的通用医学视觉语言大模型 [1] - 该模型实现了“一个模型，看懂医学世界的所有”，旨在解决医学AI领域长期存在的碎片化和信息孤岛问题 [2][7] 核心创新：透明度与开放性 - 模型训练完全基于公开可获取的数据集和自研合成数据，摆脱对私有敏感数据的依赖，显著降低隐私与版权风险 [4][5][16] - 研究团队构建了目前已知规模最大的开放医学多模态语料库，包含1670万样本，覆盖12个人体主要器官系统和14种主要医学影像模态 [16] - 开发了5种专门的数据合成管线，生成约286万高质量合成样本，以解决公开数据模态覆盖不均、图文对齐质量差等问题 [16][17] - 端到端全流程开源，公开数据筛选与合成流程、三阶段训练代码、评估脚本及所有模型权重，赋能整个研究社区进行复现和改进 [17][18] 核心创新：统一架构与技术突破 - 创新性地应用旋转位置编码和统一视觉编码单元，首次在单一模型内原生处理文本、2D图像、3D体积和医学视频四种核心模态 [20][23][25] - 该统一架构支持任意分辨率的医学影像输入，并具备强大的时空理解能力，无需为不同视觉模态设计独立编码器 [20][27] - 采用解耦的训练方式，基于独立的视觉编码器与大型语言模型解码器，提供了根据需求替换或升级组件的灵活性 [28] - 这种原生多模态整合方式比微调通用模型更能保证数据透明性并强化领域特定推理能力 [29] 核心创新：效率与规模化 - 提出“医学感知令牌压缩”策略，通过结合平面内双线性插值降采样和平面间基于L1距离的冗余令牌剪枝，平均减少约55%的视觉令牌数量 [33][35] - 采用渐进式三阶段训练课程，从基础的视觉-语言对齐到注入医学知识，最后进行混合模态指令微调，显著优于混合所有模态的训练方式 [37][38][39][40] - 训练成本得到有效控制，规模最大的32B参数模型总训练耗时约4万个A100 GPU小时，7B模型仅需约4千GPU小时 [43][45] 性能表现与行业影响 - 在30个公开医学基准测试中，Hulu-Med在27项上超越了现有的开源医学或通用视觉语言模型 [46][48] - 性能媲美甚至超越顶尖闭源系统，在16项基准中的表现优于GPT-4o，在纯文本临床对话基准HealthBench上性能与GPT-4.1持平 [48][49] - 在2D医学视觉问答和报告生成、3D视觉问答和报告生成、视频理解任务以及多语言医学理解、罕见病诊断等多类任务上均展现领先或极具竞争力的性能 [49][51] - 模型在GitHub和HuggingFace等开源社区获得积极反馈，近两周连续在HuggingFace medical trending榜单排名第一 [18]

文章核心观点 - SRT-H人工智能手术机器人实现了在几乎无需人工干预的情况下成功完成猪胆囊切除手术，标志着手术机器人从辅助工具向“自主执行体”的关键跃迁 [1][2] - 该系统通过观看17小时手术视频完成训练，涵盖16000个人类外科医生手术动作，并首次将自然语言作为机器人手术规划与纠错接口 [4] - SRT-H的成功建立在STAR系统等先前实验基础上，但其采用语言驱动的分层自主架构，能够动态调整手术策略，不再依赖固定脚本 [19] 技术突破与系统架构 - SRT-H基于两层人工智能系统协同工作：第一层AI通过内窥镜视频实时分析手术场景并发出自然语言指令，第二层AI则将指令转化为三维器械动作 [5] - 在8次手术测试中，系统平均每台手术自我修正6次，并能通过语音交互接受医生的实时指导，模拟“导师指导住院医师”的互动模式 [4] - 系统能自主应对不同样本的解剖差异、组织干扰、模拟出血及不完美图像等状况，在实验中实现了100%的成功率 [2][4][20] 行业发展与历史沿革 - 手术机器人技术自20世纪90年代问世，直觉外科公司的“达芬奇”系统是商业化最成功的微创手术机器人代表 [10] - 行业发展经历了从辅助定位、语音控制、预编程路径到主从遥操作的演进，目前正朝着更高自主性水平发展 [12][14] - AI的引入推动传统手术机器人从单一设备走向多样化智能平台，实现了重大范式转变 [11] 技术演进路径 - SRT-H的前身STAR系统擅长软组织缝合术，从2014年辅助缝合逐步进化为具备自主识别、路径规划与执行能力的一体化系统 [15][16] - 2022年STAR系统融合近红外荧光成像、3D视觉识别等技术，首次在活体猪身上进行自主腹腔镜手术，其缝合间距和咬合深度的稳定性优于人类专家 [16] - 与STAR相比，SRT-H突破了预设框架的限制，对个体解剖差异的适应能力显著增强 [18][19] AI赋能手术全流程 - AI在术前阶段可利用计算机视觉与机器学习技术对多模态医学影像进行深度解析，生成高精度三维解剖模型以优化手术方案 [22] - 术后阶段AI可对手术视频和数据进行分析，量化评估手术质量，为医生培训和疗效回顾提供标准化素材 [23] - AI赋能的手术机器人具备优化手术路径与操作精度、提升操作一致性与标准化、增强环境感知与自主决策三大核心能力 [24] 行业挑战与未来方向 - 当前AI手术机器人技术面临手术效率不及人类医生、自主性不足、临床适应性有限及监管体系滞后等多重挑战 [27] - 高质量训练数据的获取与管理是系统开发的核心基石与关键瓶颈，算法性能高度依赖于标注数据的准确性与多样性 [28] - 未来医学AI发展需构建“技术研发—素养教育—伦理治理”三位一体的推进机制，以实现技术与临床的深度适配 [34]

医药行业发展趋势 - 人口老龄化持续催生医疗健康市场需求 行业规模快速扩张 [3] - 政策支持 资本市场回暖 AI助力技术突破等多维利好叠加推动医疗健康产业发展 [3] - 医学AI正以革命性态势重塑现代医疗生态体系 成为推动医疗行业进步的核心力量 [3][4] 技术创新与产业融合 - AI与医药产业深度融合为创新发展注入强劲动能 [3] - AI赋能生物医药发展 神经系统疾病新药研发策略 脑机接口等技术成为重点研究方向 [3] - "AI+老龄化"背景下医疗健康行业投资逻辑受到投资机构重点关注 [4] 金融支持与资本运作 - 浦发银行构建生物医药领域全生命周期服务模式和专业化经营方案 [4] - 生物医药企业赴港上市存在政策红利与独特优势 为拓宽融资路径提供关键指引 [4] - 金融机构致力于打造科技金融生态圈 完善协同创新 产教融合的合作网络 [4] 行业协作平台建设 - 政府部门 投资机构 科研院所及生物医药企业代表共同搭建医药与金融深度对话平台 [4] - 高端平台促进资本与实践精准对接 加速生物医药产业升级 [4] - 平台建设对助力企业迈向更高端价值链具有重要意义 [4]

VISTA3D模型技术突破 - 英伟达联合阿肯色大学医学院、美国国立卫生研究院及牛津大学提出VISTA3D多模态医学影像分割模型 [1][2] - 模型首创三维超体素特征提取方法，通过统一架构实现三维自动分割（涵盖127个解剖结构）与交互式分割双模态的协同优化 [1][2] - 在包含23个数据集的综合基准测试中，分割精度较现有最优专家模型提升5.2% [1] - 在包含14个数据集的测试中，零样本性能提高了50% [2] - 模型采用模块化设计，基于SegResNet构建三维分割核心，自动分支可管理127种人体结构，比传统方法节省60%内存资源 [12][14] - 人工修正模块采用三维点击定位技术，使医生修正效率提升40% [14] - 模型在14个公开数据集上验证，三维自动分割精度（Dice系数0.91±0.05）较传统基线模型提升8.3%，人工修正耗时降低至传统方法的1/3 [15] - 首创三维超体素特征迁移技术，在胰腺分割等零样本任务中实现50%的mIoU提升，标注效率较监督学习提升2.7倍 [15] 三维医学影像行业现状与挑战 - 现代256排螺旋CT可在0.28秒内采集0.16mm层厚的全身扫描数据，7T超高场磁共振能捕捉海马区神经纤维微观走向 [1] - 一套典型腹部CT影像的肝脏分割需45-90分钟，多器官联动的放疗规划标注可能持续8小时以上，专业人员视觉疲劳导致的边界误差率可达12% [1] - 传统方法为每个解剖结构打造独立专家模型，面对包含127个解剖结构的全身CT扫描时，计算资源消耗与结果整合复杂度呈指数级增长 [6] - 现有系统过度依赖预设类别与封闭式训练，在零样本学习与开放域适应方面存在缺陷，难以处理突破标准解剖图谱的罕见病例 [6] - 将二维SAM模型范式迁移到三维医学领域面临挑战，此前三维化的SAM2与SAM3D系统在血管追踪等任务中的Dice系数仍较专业模型低9-15个百分点 [7] - 医学影像解析必须融合解剖学先验知识，现有系统要求临床医生提供高质量示例标注本身违背自动化分割初衷，文本引导可能存在语义对齐偏差 [8][9] 国内三维医学成像与AI融合研究进展 - 上海交通大学提出3D医学图像分割新工作模型PnPNet，性能表现SOTA，优于MedNeXt、Swin UNETR和nnUNet等网络 [16] - 四川大学华西医院研发了基于数据驱动的中国肺结节报告和数据系统，实现了肺结节恶性风险精准分级和个性化管理 [17] - 北京大学科研团队发布“肾脏成像组计划”，拟通过多模态成像技术与人工智能算法构建全肾脏数字图谱 [18] - 中国地质大学团队联合百度提出对比度驱动医学图像分割通用框架ConDSeg，实现了模型精度的进一步提升 [18] - 昆明理工大学与中国海洋大学提出双向逐步特征对齐的未对齐医学图像融合方法，在统一框架内同时进行对齐和融合 [20] - 行业面临数据隐私、算法透明度、模型泛化能力和法规监管等关键挑战 [21]

2025世界数字健康论坛 - 论坛由中国工程院和清华大学联合主办 中关村联新生物医药产业联盟承办 将于2025年3月28日举行 主题为"数智创新·激发健康医疗新格局" [1][4] - 上午全体会议在中关村展示中心颐和厅举行 下午"大家谈"医学AI专场在清华大学主楼接待厅举行 需分别报名 [1][5][7][10] - 目标包括探讨数字化智能化技术在医疗健康领域的应用 培养跨界人才 加速数字健康产业化 构建新质生产力体系 [1][4] 上午全体会议议程 - 08:30开始 清华大学副教务长苗天荫主持 新加坡国家科学院院士张镀等出席 [8] - 09:10诺贝尔化学奖得主Brian K Kobilka发表演讲 11:10嘉兴大学校长等院士参与讨论 [8] - 重点议题包括数字科技在"一带一路"健康治理中的应用 发挥中国作用 [8][9] 下午医学AI专场 - 14:00开始 清华大学临床医学院院长董家鸿院士作主题报告 [10][11] - 国际原子能机构Mauro Carrara等专家参与 16:00进行圆桌论坛 [11] - 讨论主题为通用人工智能时代的医疗变革与前景 [12] 会议组织方 - 思宇MedTech旗下拥有MedRobot 眼未来 心未来等十多个医疗科技内容平台 [13] - 提供商务合作 赞助 投稿及定制报告服务 联系方式包括微信号suribot21和qingzhao2017 [13]

2025世界数字健康论坛 - 论坛由中国工程院和清华大学联合主办 中关村联新生物医药产业联盟承办 将于2025年3月28日举行 主题为"数智创新·激发健康医疗新格局" [4][5] - 上午全体会议在中关村展示中心颐和厅 下午"大家谈"医学AI专场在清华大学主楼接待厅 需分别报名 [5][7][10] 核心议题方向 - 重点探讨远程医疗与移动健康 精准医疗与个性化 健康管理与普惠网络 智能医疗设备与生物技术 公共健康与卫生政策等领域 [4] - 目标包括培养数智健康跨界人才 培育新业态新模式 加速数字健康产业化 提升健康治理水平 [4] 上午全体会议议程 - 08:30开始 清华大学副教务长苗天荫与新加坡国家科学院院士共同主持 [8] - 09:10诺贝尔化学奖得主Brian K Kobilka发表演讲 11:10上海瑞金医院院长宁光等院士参与讨论数字科技在"一带一路"健康治理中的应用 [8][9] 下午医学AI专场 - 14:00开始 清华大学临床医学院院长董家鸿开场 [11] - 国际原子能机构专家Mauro Carrara发表主题报告 16:00清华生物医学工程学院执行院长等参与"通用人工智能时代的医疗变革"圆桌讨论 [11][12] 会议组织与参与 - 思宇MedTech作为合作方 旗下拥有MedRobot 眼未来 心未来等垂直领域内容平台 提供商务合作与报道渠道 [13]