【医疗行业】2025中关村论坛年会 - 聚焦智能外科手术，AI驱动医疗行业迈向新高度

　　3月29日，以“创新技术引领智能外科手术平台发展”为主题的医学AI创新与发展论坛在北京召开。为不断地为我国临床外科手术平台建设提供如 人工智能 （AI）等新的技术、新的应用，提升我国智能外科手术平台的建设水平和临床外科手术水平，论坛围绕国内外医疗卫生事业、医疗 大数据 管理信息化建设，和AI医疗器械等领域，探讨最新应用创新实践，全方位推进AI技术在医疗行业的创新与发展。

　　产业规模飙升，政策与医师素养成关键

　　中国人民解放军总医院教授、中国工程院院士唐佩福在论坛上分享了其在医疗领域的前沿成果与深刻思考。唐佩福指出，在医疗技术创新上， 机器人 手术取得重大突破。在接骨手术研究中，引入中医接骨宗旨，打破西医固有思路，提出外科分型理论。基于该理论研发的 机器人 接骨技术，实现了手术微创化与精准化的巨大飞跃。

　　据唐佩福介绍，以往大切口手术创伤大、恢复慢，如今借助导航系统，手术切口从十几厘米缩短至1厘米，医师能精准定位，减少对病患的损伤，且手术时间大幅缩短。好比在骨盆手术方面，通过外部架构数据和数据算法，实现骨盆精准复位，仅需几个小切口就能完成手术，极大提升了手术效果与患者恢复速度。

　　唐佩福强调，技术创新不仅表现在手术操作上，还体现在对医疗设备的改进上。目前正在制作外事装备，以满足复杂手术需求。同时， 机器人 手术技术在基层医院得到应用，通过远程操作，让优质医疗资源惠及更多患者。

　　在医疗产业发展方面，唐佩福介绍，当前医疗健康产业规模约9万亿元人民币，且呈快速上升趋势，预计未来5—十年将达到25万亿元人民币。这一产业规模的扩张，为医疗领域造成巨大发展机遇。他呼吁医师要紧跟时代步伐，了解数字化技术，学习数学知识，因为数学在医疗设备研发、算法优化等方面施展着关键作用，是推动医疗创新的重要力量。

　　另外，唐佩福还提到医疗政策的重要性。“随着产业发展和技术进步，政策也应适时调整，以增进医疗行业健康发展。”

　　AI为医学发展架桥，沟通基础与临床

　　北京航空航天大学教授田捷指出，AI作为沟通宏观与微观、基础与临床的有力工具，有望为医学发展造成新突破。

　　在外科领域，田捷举例称，当前外科医师面临着观察肿瘤和病变转移的困扰，传统依赖的快速病理和术后冰冻病理存在局限性。荧光成像技术借助荧光标记，可让外科医师在术中观察到分子细胞水平的变化，为手术决策提供更精确依据。这不仅能避免医源性损伤，还能提高手术的检出率和患者生存率。例如在清肠肝胆疾病治疗中，荧光检查使一年复发率从47%降至19%。

　　在内科领域，田捷强调需要宏观与微观结合。内科治疗依赖分子标志物获取，但传统穿刺手段存在样本有限、结果不确定等诸多问题。AI则可从影像中挖掘大量信息，仅基于影像的28个特征就能重建近80%肝癌的全基因变化。这使得内科病理能提前至术前，帮助医师更准确地了解患者基因类型，判断药物耐药情况，进而优化治疗方案。以消化内科肺癌治疗为例，AI实现了全自动分析，无需人工干预，为晚期癌症患者提供了更精确的治疗可能。

　　田捷表示，医学AI的发展不能盲目乐观，应兢兢业业，聚焦一个个典型临床案例，让患者切实获益。这需要医师提前发现临床问题，通过多学科交叉合作，将研究成果回归临床。只有这样，医学AI才能真正快速发展，为医疗行业造成革命性变化，推动健康事业的进步。

　　推进医学AI发展需多方协同破局

　　谈及医学AI的发展现状，清华大学医学院院长黄天荫表示，2015年深度学习技术的兴起，推动AI在皮肤科、眼科等领域取得明显成果。例如，AI在皮肤病理诊断方面表现出色；在眼科领域，深度学习不仅助力眼底相片筛查，还能进行系统化疾病预测。另外，大语言模型的发展也为医学AI造成新机遇，推理技术则可解释AI预测的依据，增强医师对AI诊断的信心。

　　黄天荫指出，当前医疗体系正处于变革之中。100年前，医疗以医师个人为主；如今，医师已成为医疗团队的一部分。但我国在医疗体系建设上仍存在不足，尚未形成系统化的医疗体系，也缺乏以医师为主导的医疗集团和团队概念。同时，在数字化时代，医师面临数据处理难题，医学教育也亟待改革。传统医学教学模式培养出的学生，难以适应AI辅助的医疗体系，如何提升医学生学习能力、推进医学课程改革，成为未来医学教育的重大挑战。

　　谈及医学AI的应用，黄天荫表示，我国医疗面临诸多难题，如老龄化社会造成的慢病增多、医疗成本高且效率低、基层医师短缺等，而AI有望成为解决这些问题的关键。借助AI技术，能够提升基层医疗体系质量，使筛查、诊断和医疗管理更加高效，甚至可以将全国基层医疗水平提升至北上广等一线城市的水准。

　　然而，黄天荫也强调，医学AI的实施困难重重。回顾历史，计算机从发现到应用于医院经历了漫长时间，如今医学AI同样面临诸多阻碍。一方面，医院数字化进程缓慢，临床流程改革困难，许多AI研发成果难以落地应用；另一方面，临床医疗数据的可靠性和可靠性存疑，仅有少量实验室数据可用，且缺乏有效评估AI医疗应用的标准。市场上多数医疗App质量良莠不齐，难以真正服务于医疗实践。

　　黄天荫认为，尽管困难重重，但务必坚定推进医学AI的发展。只有明确发展路径，强化医学教育改革，提升医师数据处理能力，完善AI研发与应用的标准，才能让医学AI更好地服务于医疗行业，提高治病质量，为患者造成更多福祉。

　　北京商报记者王寅浩