SCITIC 论坛：探索智慧医疗新范式，展望科技时代下的健康

2023年1月12日，由国际科技信息中心主办，AI TIME承办的SCITIC论坛——探索智慧医疗新范式完美收官。SCITIC论坛由国际科技信息中心倾力打造，围绕深圳“20+8”产业集群相关方向与研究领域，邀请国内外青年学者、科研与产业界专家进行技术前沿与产业趋势内容分享，旨在通过前沿领域输出和观点思辨来探讨各领域的未来发展以及互相之间的交叉与融合。

本次活动是SCITIC论坛系列直播活动的第二期，邀请到了苏州大学教授，国家杰青何耀，北卡罗莱纳大学教堂山分校副教授Guorong Wu和北京智源人工智能研究院研究员付杰。三位专家分别从纳米生物医学、阿尔兹海默症、蛋白质语言模型等研究出发，为观众带来前瞻性报告与精彩的思辨，共同探索智慧医疗新范式。本次活动共吸引了线上约2.54万人次观看，引发了观众对智慧医疗的热议。

一、报告

Guorong Wu：Discovering Novel Mechanisms for Alzheimer’s Disease by Machine Learning

身处大数据时代的我们，可以轻松回答之前难以解释的生物医学问题。作为一名计算机科学家，Guorong Wu老师提到在与神经学、遗传学和成像专家合作的同时，自己对阿尔茨海默病(AD)的病理生理机制的了解也在逐步加深，以及AD相关基因如何影响大脑衰老。他旨在建立一个神经生物学基础，以量化个体之间的结构、功能、行为差异，并发现可靠和假定的生物标志物。这将可以使我们能够为个体提出个性化的治疗方案。Guorong Wu老师本次带来的分享主要是如何将人工智能应用到阿尔兹海默病这种老年的退化性疾病上。他将神经科学的领域知识整合到了基于图像AI的计算工具开发中，并用于自动图像分析、图像解释和结果预测，重点是成像生物标记物和AD的计算机辅助早期诊断引擎。最后，他将最近研究项目的初步结果进行了展示并介绍了实验室的最新研究方向。

付杰：Understanding & Generating Natural (Human + Biological) Language and Beyond

在人类的自然语言处理中，假设一个词的意思可以从它的上下文中推导出来，那么生物序列也应该可以在其上下文中进行分析。生物序列建模和人类自然语言处理之间的类比，使得人们得以通过来自人类自然语言处理的深度上下文语言模型来理解和生成蛋白质序列。付杰研究员将自己在这方面的研究概括为六个单词：understanding & generating natural (human + biological) language。作为一个仍处于起步阶段的跨学科领域，却已经在现实世界有了各种各样的落地应用。付杰研究员分享了自己在这一领域的最新研究，同时，他还对模块化神经网络进行了探讨，它可以在微调预训练的自然语言模型时极大地提高样本效率。

何耀：浅谈纳米生物医学与人工智能结合在癌症精准检测中的应用

作为多学科交叉融合形成的前沿领域，纳米技术的发展将深刻影响现代科学技术的发展。纳米生物与医学是纳米技术的主要方向之一，有望为重大疾病的精准诊断与高效治疗提供有力的新工具与新方法。另一方面，人工智能在近几年发展迅速。随着人工神经网络模型的发展，人工智能技术可以对各类数据的数据特征和内在规律进行自动化的学习，以实现模式识别和预测评估等应用。何耀老师主要介绍了纳米技术及纳米生物医学的概念及重要性，进而结合报告人团队的近期研究进展，介绍了自己团队是如何利用纳米生物医学与人工智能，最终实现了对癌症疾病从分子水平到组织水平的高灵敏分析检测。

二、Debate

Data driven（hungry）的预训练大模型已经大大改变了NLP领域的研究和应用范式。过去几年已经出现了类似在智慧医疗领域的尝试，比如ProtTrans这个大型预训练蛋白质语言模型，还有DNABert这个用于DNA序列的预训练模型。这个范式会不会也被更广泛应用到智慧医疗呢？

付杰：我觉得如果要做交叉学科，还是要多学一些其它学科的知识。但其实自己在看待问题的时候，还是会优先从AI的角度出发，去看这个技术能再应用到哪些领域。尽管自己会进行一系列技术应用到其他领域后的分析，却并不知道最终应用到临床还会有多久。目前也是在逐渐远离临床的部分，毕竟自己不知道眼前的技术应用到临床还会要多久。

何耀：这里提到科研和临床的距离还有多少，我觉得其实是需要几个方面的共同努力。一是过去的好几年时间，自己一直在做的都是和临床学习，我觉得我们首先是要听临床专家的意见。比如说现在要做一个体内药物，这个周期是非常长的，毕竟涉及到很多安全性的评估。但是从应用的角度来讲，如果我们能做体外的检测，这个周期就会短很多。我们从科学的角度讲，做一个癌症的检测是比较容易实现的。但是从临床角度讲，很多marker都没有真正的完全确定。这也就是为什么我们要做很多很多的marker来做联合检测。我们每个人从求学时代开始，包括到后来指导学生，都和我们自身的领域背景有很大关系。因此，我们也需要和其它领域的专家经常交流，同时也能收获很多对自己有益的启发。比如说，我们这个论坛也可以未来邀请临床专家一起参与讨论，才有可能把这个领域更高效地往前推进。

Guorong Wu：我认为各学科之间的交流也是一个相互适应的过程，这也是每个人学习成长过程中都会遇到的问题。

付杰：靠近临床一端的研究论文，似乎不大经常将代码完全开源。而在计算机领域，代码开源、数据集开源却是一个极为常见的现象。

Guorong Wu：这个data sharing问题，往往涉及到的也是data privacy和data secret问题。很多时候用到的数据并不是临床这边自己所有的，因此data sharing确实会存在问题。

付杰：但是如果没有data sharing，似乎就很难诞生预训练大模型来帮助所有的人。

Guorong Wu：我感觉在变得慢慢倾向于data sharing，整个领域的大趋势大致是这样的。

机器学习如何帮助解决老龄人口中的健康差异？

Guorong Wu：这个问题不仅牵涉到机器学习，还涉及社会学等多个学科，取决于如何定义“差异”。如果我们跳出机器学习，可以来看如何利用我们的专长解决这一社会问题——老年退化性疾病。对于老年人，我们确实也发现了很多健康差异，比如性别差异。我们后续在设计算法的同时也应该把性别差异考虑进去。老年痴呆症和别的疾病症状是不一样的，比如疼痛，老年痴呆症患者对疼痛的描述和正常的疼痛是不同的。我们现在去医院看病都会有电子病历记录，以往的病史及服药情况的信息可以给医生一定的提示来帮助其做出更加精准的诊断。我们也希望可以通过自己的专长解决一些社会性的问题或是帮助政府做出决策时提供更多参考。

付杰：从目前机器学习的角度来讲，做这种差异的建模是有很多方法的，如HyperNet。HyperNet可以看做是一个非常神奇的生成器，比方说用一个diffusion model去生成一个matrix，我们完全可以把这个matrix看成是一张图片，但同样可以将其看作是另外一个network参数的value。我们告诉HyperNet这个任务是一个女性，将要输入的task information告诉HyperNet之后，可预见是他会生成一个特异化的function的参数值来解决这一问题。如果我们告诉HyperNet这个人是男性，就可以生成另外一个function。这是可以特异化去做这些事情的，至少有工具可以帮助我们做到。

何耀：刚刚也有提到，现在的老年人疾病如脑萎缩、老年痴呆等疾病很多都是和脑科学紧密相关的。单纯从细分领域来讲，Brain Science脑科学很火，但是又存在着很多悬而未决的关键问题。有没有可能将机器学习这方面的专家和脑科学方面的专家通过项目等方式更高效的结合在一起，一起来做出更多的贡献。这都是需要严肃思考的，也是一个很大的机会。

付杰：对于何老师刚刚提到的问题，之前有了解到过一些相关信息。事实上很多人是不支持这个想法的，因为他们认为尽管深度学习最初来自于人脑，但是有很多东西并不是受到人脑启发而得到的，因此他们认为机器学习算法没有必要去借鉴脑科学。

Guorong Wu：我也看到过这个观点，但是人工智能和脑科学的结合在动物学上还是非常重要的。

纳米生物医学与人工智能相结合用于疾病精准防治，有哪些重要的机遇与挑战？未来发展趋势如何？

何耀：我觉得医学不止是纳米生物医学，医学发展的最终目的是服务于人类的健康和幸福生活。对于实现疾病的极早期检测和精准治疗，我认为从医学和人工智能来讲是有很大空间的。我们自己从生命学角度关注的脑科学和人工智能，不一定是说用人工智能模拟人的大脑。我们可以利用人工智能或机器学习的方法来更好的了解脑的功能，比如说脑疾病的发生和发展等等。我们是希望可以去了解脑科学疾病的，同时去有效地预防疾病。这也就体现了人工智能的重要。研究肿瘤疾病时的信息量要比大脑的信息量少很多，但是研究肿瘤就已经足够复杂了，研究大脑的复杂性可想而知。这种挑战其实可以说是学科壁垒的挑战，因为当我们讨论脑科学的时候，从生物医学的角度和机器学习的角度来看都是不一样的。到了之后临床的时候，甚至会出现很大牵涉到病人家属的伦理问题。我们只有在那个环境下，才能明白临床专家的思维角度。怎样才能打破这样的壁垒？像今天的论坛当然是越多越好，比如我们之后也可以邀请一位临床专家加入我们的探讨，这样大家对彼此角度的理解才能够更加深入。

Guorong Wu：我对这个还是蛮乐观的，我们也可以看到近10年里科技的飞速发展。只要大家都认识到这个问题，而且认为这是个重要的问题，增加人力、物力的投入是能够将问题解决的。

付杰： 我觉得目前学术界对文章作者排名的方式也不太利于将这么多不同学科的人投入到同一个研究项目中去。只有reward和想做的事是连接在一起的，做起事来才会比较容易。

国际科技信息中心：

国际科技信息中心是致力于打造数据与知识双轮驱动的认知智能平台，涵盖基础设施、科技文献、科技数据、科技情报、高端智库和智能服务等体系。

SCITIC论坛由国际科技信息中心倾力打造，围绕深圳“20+8”产业集群相关方向与研究领域，邀请国内外青年学者、科研与产业界专家进行技术前沿与产业趋势内容分享，旨在通过前沿领域输出和观点思辨来探讨各领域的未来发展以及互相之间的交叉与融合。

AI TIME：

AI TIME源起于2019年，旨在发扬科学思辨精神，邀请各界人士对人工智能理论、算法和场景应用的本质问题进行探索，加强思想碰撞，链接全球AI学者、行业专家和爱好者，希望以辩论的形式，探讨人工智能和人类未来之间的矛盾，探索人工智能领域的未来。

迄今为止，AI TIME已经邀请了900多位海内外讲者，举办了逾450场活动，超500万人次观看。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

关键词：