科技日报记者 代小佩
为什么AI模型实验室效果好、落地医院却效果下滑？
近日，在未来论坛、上海未来启点社区、上海星力泰克联合主办的“物质科学×跨界应用”跨界对话中，上海联影智能科技股份有限公司联合创始人、联席CEO周翔分析核心原因：人类对疾病底层机理认知有限、高质量医疗标注数据稀缺，叠加医院数据孤岛严重、传统业务流程无法适配AI，导致AI模型与真实临床场景适配度不足。
谈及AI在实验室的应用，华东理工大学讲席教授杨弋表示，当下AI蛋白设计成果距离理想性能还有差距，更适合作为初始方案，后续仍需要生物进化实验优化迭代。长远来看，随着新型成像工具产生海量细胞动态数据，AI将有望挖掘细胞、器官之间的作用规律。
上海复享光学股份有限公司总经理殷海玮从精密测量仪器产业视角分享了AI落地的底线原则。他提出，在半导体、生命科学这类高精度测量领域，行业目前达成共识：AI不能干预原始测量过程，仅可用于后期的数据诊断、结果辅助分析。
在他看来，现阶段大模型仍普遍存在幻觉问题，模型输出结果时常出现无法溯源、难以解释的隐患。如果让AI直接介入测量运算、生成最终读数，科研人员很难辨别数据真伪，测量结果的可靠性就无从保障。高校科研老师选购搭载AI功能的仪器时，也需要对此保持审慎态度。他提示，实验室内部也需建立完善的管理监督机制，防范人为的数据风险隐患。
周翔判断，医学影像正从传统被动成像，逐步转向基于新的生化技术辅助的主动成像，生命科学前沿的探针与代谢成像技术，将为临床医学影像带来全新变革机遇。
针对观众提及的“医疗AI监管与责任界定”话题，周翔表示，可直接输出病灶诊断结果的影像AI须按三类医疗器械标准开展多中心临床试验取证；仅辅助病历书写的文本类AI，对其监管相对宽松，临床最终决策与责任仍由医生承担。
周翔还提出“元医院”的发展构想，依靠AI智能体打通院内数据壁垒，解放医生重复性工作，聚焦病情核心研判。他也强调，AI始终是临床辅助工具，不会替代医护人员。
（活动主办方供图）
网友评论
