編者：

人工智能（AI）與醫療健康的融合，已成為全球科技創新的核心賽道，也是推動“健康中國”戰略落地的關鍵力量。從腫瘤早篩、慢性病管理到新藥研發、臨床輔助診斷、再生醫學，AI正在全方位改變傳統醫療的效率、精度與可及性。為深度解讀AI醫療的技術突破、應用場景、產業落地與未來趨勢，本刊執行主編鄭挺穎、新媒體部主任王汝霖日前專訪了全國僑聯常委、上海市張江科學城僑聯主席、上海市健康科技協會副會長、上海張江醫學創新研究院常務副院長程東先生。

文/ 鄭挺穎 王汝霖

程東

01

AI+醫療的技術根基：

從交叉學科到醫療大模型

人工智能與醫療的結合已從概念走向落地，但大眾對其技術演進脈絡并不清晰。您如何看待AI+醫療的發展？當前階段技術取得突破的核心支撐是什么？

程東：人工智能與醫療的融合并非一蹴而就，而是伴隨著算力、算法、數據三大要素的迭代逐步深化。我認為，整體可劃分為三個關鍵階段。第一階段是計算機與醫學的初步交叉，主要以專家系統、數據統計、輔助計算為主，受限于硬件性能，僅能完成簡單的信息處理，不具備真正意義上的智能判斷能力。第二階段是深度學習與醫學影像、病理分析的結合，AI開始在單一場景中實現輔助識別，效率顯著提升，但仍屬于工具化應用。第三階段則是通用大模型向醫療垂直大模型演進，AI具備了知識整合、邏輯推理、多維度分析能力，能夠深度融入診療全流程，成為醫療體系的重要組成部分。另外要補充的是，AI與人形機器人的結合，即所謂具身智能。大家從2026年春晚上機器人各種表演可以預測到，護理機器人、康復機器人、助老機器人等在未來3到5年內會如同家用電器一樣逐漸進入家庭，為我們大眾的健康提供輔助支持。

當前醫療AI實現突破的核心支撐有三點：一是算力基礎設施成熟，云計算與芯片技術的進步讓千億級參數模型的訓練與推理成為可能；二是醫學數據積累達到規模效應，高質量臨床數據、診療指南、文獻數據為模型訓練提供基礎；三是醫工結合更加緊密，技術團隊與臨床專家協同攻關，讓AI真正貼合醫療場景需求。正是這三大因素疊加，推動醫療AI從實驗室走向臨床、從輔助功能走向核心應用、從概念走向家庭。

通用大模型與醫療垂直大模型的區別是什么？為什么醫療領域必須走專業化大模型路線？

程東：通用大模型具備跨領域知識覆蓋與自然交互能力，但在醫療這種高嚴謹性、高專業性、高容錯要求的領域，通用模型存在明顯短板。首先是專業精度不足，通用模型無法精準掌握病理機制、用藥禁忌、影像判讀標準；其次是知識更新滯后，醫學研究與診療指南持續更新，通用模型難以做到實時同步；第三是安全性不足，醫療決策關乎生命，通用模型的“幻覺”問題可能引發致命的錯誤判斷。

醫療垂直大模型則是針對醫療場景專項訓練的專用模型，依托海量合規醫學數據、臨床病例、檢驗指標、診療規范訓練而成，專注于健康咨詢、疾病篩查、診斷、用藥、健康管理等任務，在專業領域的準確率、穩定性、安全性遠高于通用大模型。目前，國內推出的多款醫療大模型，在醫學報告解讀、疾病風險預警、慢性病管理等場景的準確率已達到較高水平，能夠真正為醫生和公眾提供可靠支持。可以說，醫療垂直大模型，是AI進入醫療核心場景的必經之路。

02

AI賦能臨床診斷：

效率與精度的雙重革命

在臨床診療環節，AI最核心的應用價值體現在哪些方面？相比傳統人工診斷，優勢是什么？

程東：AI在臨床診斷中的價值，集中體現在提升效率、降低漏診、標準化判斷三個層面。傳統診斷高度依賴醫生經驗，不同年資、不同科室的醫生判斷存在差異，同時長時間工作帶來的疲勞、注意力下降也會影響準確率。而AI可以7×24小時穩定工作，在醫學影像、病理切片、檢驗報告分析等場景中，能夠快速捕捉微小異常，實現量化判斷。

以肺部影像篩查為例，人工判讀準確率通常在70%至80%，而AI模型可以穩定達到90%以上，對早期結節、微小病灶的敏感度顯著更高。在復雜疾病的分型上，AI的優勢更加突出。例如，肺癌包含腺癌、鱗癌、小細胞癌等多個亞型，不同亞型的治療方案完全不同，AI可在秒級時間內整合數萬份臨床數據與文獻證據，給出分型判斷與治療建議，輔助醫生快速制訂方案。AI不是替代醫生，而是讓醫生從重復性、高強度的判讀工作中解放出來，把更多精力投入到診療決策與患者溝通中。

除了影像診斷，AI在病理、檢驗、用藥等環節的應用成熟度如何？未來還有多大提升空間？

程東：目前，AI在醫學檢驗、病理分析、合理用藥等環節均已進入規模化落地階段。在檢驗領域，AI可對血常規、生化、腫瘤標志物等指標進行綜合解讀，識別多指標交叉異常，提前提示疾病風險；在病理領域，AI輔助宮頸細胞學、消化道病理、淋巴造血系統病理判讀已進入臨床應用，有效提升基層醫療病理診斷能力；在用藥環節，AI可基于患者年齡、體重、肝腎功能、并發癥等信息，自動篩查用藥禁忌，減少藥物不良反應。

未來提升空間主要集中在三個方向：一是多模態數據融合，將影像、檢驗、病理、基因數據統一分析，實現更全面的病情評估；二是邊緣計算部署，讓AI在基層醫療設備端本地運行，降低網絡依賴，提升響應速度；三是與醫院信息系統深度打通，實現全流程智能化、無紙化、精準化流轉。整體來看，AI對臨床診斷的賦能仍處于早期，未來3至5年有希望迎來進一步普及。

03

AI加速新藥研發：

破解十年周期、

十億投入行業難題

眾所周知，新藥研發周期長、成本高、失敗率高是全球性難題。AI如何改變新藥研發的傳統邏輯？目前取得了哪些實質性突破？

程東：傳統新藥研發遵循“靶點發現—化合物篩選—動物實驗—臨床試驗—獲批上市”的路徑，平均耗時超過10年，投入超10億美元，最終成功率不足10%。核心瓶頸在于蛋白結構解析、致病機制研究、化合物篩選等環節高度依賴人工試錯，效率極低。

AI的介入從根本上改變了這一模式。首先，AI可通過深度學習快速解析致病相關蛋白的三維結構，明確藥物作用靶點；其次，AI能夠在海量化合物庫中進行虛擬篩選，快速鎖定高潛力分子，將篩選周期從數年縮短至數周；第三，AI可模擬藥物在人體內的吸收、分布、代謝、排泄過程，提前預測效果與副作用，降低臨床試驗失敗率；第四，AI可對臨床試驗數據進行智能化管理與分析，提升試驗效率與質量。

目前全球已有數十款AI輔助研發的藥物進入臨床試驗階段，覆蓋腫瘤、自身免疫疾病、神經系統疾病等領域，部分藥物已實現上市突破。在國內，AI新藥研發也已形成完整生態，從靶點發現、分子設計到臨床試驗賦能，全鏈條均有成熟技術與產品落地。可以判斷，AI將成為未來新藥研發的標配工具。

對我國醫藥產業而言，AI新藥研發的戰略意義是什么？能否助力實現國產創新藥彎道超車？

程東：我國醫藥產業正從仿制藥為主向創新藥轉型，AI新藥研發具有重要戰略價值。第一，能夠大幅降低研發成本，讓更多創新藥項目具備啟動條件；第二，縮短研發周期，加快藥物上市速度，更快滿足臨床需求；第三，提升研發成功率，減少資源浪費；第四，推動源頭創新，在新靶點、新機制、新分子領域實現突破。

AI并不能單獨實現彎道超車，但它是重要的賦能工具。結合我國龐大的臨床數據、完善的產業鏈基礎、政策支持與人才優勢，AI能夠顯著提升我國新藥研發的效率與競爭力。未來，在AI加持下，我國有望在腫瘤、罕見病、慢性病等領域誕生一批全球領先的原創藥物，推動中國從醫藥大國走向醫藥強國。

04

AI+慢性病管理：

以數據驅動實現精準化、

長期化健康干預

糖尿病、高血壓等慢性病已成為我國居民健康的主要威脅，傳統慢性病管理模式痛點突出。AI如何破解慢性病管理難題？其核心邏輯是什么？

程東：我國慢性病管理的核心痛點是監測不連續、干預不精準、依從性低、基層醫療能力不足。多數患者僅在就醫時檢測指標，日常缺乏持續監測，醫生難以掌握真實波動規律，干預方案往往“一刀切”，效果有限。

AI+慢性病管理的核心邏輯是“連續監測+數據建模+個性化干預”。以糖尿病為例，通過動態血糖儀等智能設備，可實現24小時血糖連續監測，形成完整波動曲線；AI基于血糖數據、飲食、運動、用藥、身體指標等信息，構建個體代謝模型，精準分析血糖升高或降低的原因；在此基礎上自動生成個性化飲食、運動與用藥調整方案，讓干預從“經驗型”轉向“數據型”。

從醫學機制上看，2型糖尿病與小腸、肝臟、胰腺功能紊亂及腸道菌群失調高度相關，前期階段具有可逆性。AI通過早期識別、持續干預，可有效改善胰島素抵抗，延緩甚至逆轉病情進展，這是傳統模式難以實現的。

智能監測設備在慢性病管理中扮演什么角色？未來慢性病管理會呈現怎樣的發展趨勢？

程東：智能監測設備是AI慢性病管理的入口與基礎，沒有高質量、連續、真實的數據，AI干預就無從談起。以動態血糖儀、連續血壓監測、可穿戴心電設備為代表的智能硬件，能夠采集人體真實生理信號，為AI模型提供可靠輸入。設備與AI平臺打通后，可實現風險自動預警、異常及時提醒、方案實時調整，形成“監測—分析—干預—反饋”的閉環。

我認為，隨著更專業和更高精度的可穿戴設備出現以及醫療機器人的普及，未來慢性病管理將呈現三大趨勢：第一，關口前移，從疾病治療轉向前期預防與高危人群干預；第二，居家化，監測與管理從醫院走向家庭，降低就醫成本；第三，普惠化，AI技術下沉基層醫療，讓城鄉居民都能享受標準化的慢性病管理服務。AI有望成為支撐我國慢性病防控體系的核心技術力量。同時，醫院內部全方位普及使用AI以及一些專項的手術機器人的研發和臨床使用，也是一個值得高度重視的發展趨勢。

05

AI腫瘤早篩：

破解“發現即晚期”的困局

腫瘤早篩是醫療AI最受關注的方向之一，也是民生意義極強的領域。傳統腫瘤篩查存在哪些局限？AI早篩的技術創新點在哪里？

程東：全球腫瘤防控的最大痛點就是早期發現率低，超過70%的患者在確診時已處于中晚期，治療難度大、生存率低、經濟負擔重。傳統篩查手段存在明顯短板：影像學檢查只能發現已形成的實體病灶，多數已至中晚期；基因檢測僅能提示遺傳風險，這也僅占腫瘤發病原因的8%；常規血液檢測靈敏度不足，也難以捕捉早期微量病變信號。

AI腫瘤早篩的核心創新，在于多維度標志物聯合檢測+人工智能大數據分析。以當下一些生物科技公司研發的腫瘤智能早篩系統為例，通過采集少量外周血，利用納米技術等手段捕捉循環腫瘤細胞、ctDNA（circulating tumor DNA的縮寫，即循環腫瘤DNA）、異常蛋白、代謝標志物等早期信號，再通過AI模型對多維度信號進行整合判讀，實現對常見高發腫瘤的早期風險預警。這種方式靈敏度高、無創便捷、成本可控，適合大規模人群篩查。

您所知曉的腫瘤早篩技術目前可覆蓋多少癌種？準確率如何？對我國腫瘤防控體系有何意義？

程東：一些致力于早篩的生物科技公司，研發的早篩系統目前可實現20到50種常見高發腫瘤的風險預測，整體準確率超過90%，對肺癌、消化道腫瘤、乳腺癌等重點癌種具有較高的靈敏度和高特異性。我認為，這些技術最大的特點是無創、便捷、可及性強，無需大型設備，可在基層醫療機構、健康管理中心完成采樣，適合全民普及和廣譜篩查。

我認為，對我國腫瘤防控體系而言，這些技術的意義體現在三個方面：一是提高早診率，將腫瘤發現關口大幅前移；二是降低成本，早期干預費用遠低于晚期治療，可大大減輕社會與家庭負擔；三是賦能基層醫療，可彌補基層醫療過去腫瘤篩查能力不足的短板，推動優質資源下沉。我希望它能為我國構建“預防為主、早篩為先、精準施治”的腫瘤防控體系，提供可復制、可推廣的科技支撐。

隨著早篩技術普及，腫瘤防控理念正在發生變化。您如何理解“帶癌生存”？AI在其中扮演什么角色？

程東：現代醫學已經明確，腫瘤是一種與生活方式、免疫狀態、慢性炎癥相關的慢性疾病，而非急性絕癥。國際醫學界早已提出“帶癌生存”理念，即通過科學干預控制腫瘤進展，維持患者生活質量，實現長期生存。研究顯示，60%以上的腫瘤與不良生活方式相關，遺傳僅占很小比例。

AI的角色是早發現、早預警、早干預。通過早期風險識別，讓高危人群及時調整生活方式、提升免疫力、接受規范干預，可有效阻斷腫瘤進展。即便確診，AI也能輔助精準分型、制訂個性化方案，提升治療效果。AI讓腫瘤從“可怕的絕癥”逐步轉變為“可防、可控、可管理的慢性病”，這是觀念層面的重大進步。

06

醫療AI成果轉化：

跨越科研到臨床的“死亡谷”

科技成果轉化是醫療AI行業的最大痛點，大量實驗室技術難以落地。您認為核心障礙是什么？如何有效跨越從科研到臨床的“死亡谷”？

程東：說到醫療AI成果轉化難，我認為其本質是技術、臨床、合規、產業四段脫節。第一，技術團隊不了解臨床流程，研發產品不符合醫院實際需求；第二，工程化能力不足，實驗室成果無法穩定適配醫療設備與信息系統；第三，醫療監管嚴格，產品需完成醫療器械注冊、臨床驗證、倫理審查，周期長、門檻高；第四，市場信任構建緩慢，醫生與患者接受新技術需要長期數據支撐。

跨越從科研到臨床“死亡谷”的關鍵是堅持醫工協同、需求導向、合規先行、資本對接。首先，研發必須由臨床醫生深度參與，從源頭保證產品貼合臨床。這就是所謂的0到1創新研發過程；其次，要提前布局、合規申報，按照醫療器械標準設計開發。這個就是1到10的產品初試階段；再次，技術團隊要具備工程化、產品化能力，確保穩定可靠，即所謂的10到100的產業化階段；最后，用真實世界數據證明價值，逐步建立行業信任。在每個階段都需要不同的資本支持，從天使投資到風險投資等。一些醫療孵化機構正是遵循這個路徑對創新的醫療器械、腫瘤早篩、慢性病管理等產品進行一條龍的孵化服務。

對科創企業、科研機構、投資基金、醫院四方而言，如何構建高效的科技成果轉化生態？

程東：我個人認為，上述四方應形成分工明確、優勢互補的協同機制。醫院提供臨床場景、病例數據與專家資源，明確真實需求；科研機構專注核心技術攻關、算法優化與機理研究；企業則負責產品化、工程化、合規申報與市場推廣；在每個階段都需要不同形式的資本加持，確保創新研發到產業化過程的資金流動。同時，需要政策支持、標準引領，降低轉化成本，提高轉化效率。

當然，最理想的生態是，在充足的投資環境下，形成“臨床提出問題—科研解決問題—企業落地產品—臨床驗證優化”的閉環。只有四方同向發力，才能讓更多前沿技術從論文、專利走向病床、走向家庭，真正實現科技服務健康。現在許多大型三甲醫院也就是醫療創新研發成果發源地，醫生結合臨床實踐有許多創新發現，直接開展與臨床相關的課題研究，發表高質量的論文，申請許多專利等。這是非常好的現象，這些成果的產業化非常值得鼓勵和支持。

07

醫療AI的安全、

倫理與合規底線

醫療AI涉及生命健康與隱私數據，所以安全與倫理問題至關重要。醫療AI行業面臨的主要風險是什么？應如何防范？

程東：醫療AI的風險主要集中在三個方面：一是算法風險，數據質量不佳、模型偏差可能導致錯誤判斷；二是數據安全風險，醫療數據高度敏感，泄露與濫用危害極大；三是倫理風險，AI定位模糊可能引發責任界定難題。

防范的核心是堅守底線。第一，建立嚴格的數據治理體系，堅持數據脫敏、最小必要、合規使用；第二，強化模型可解釋性，避免“黑箱決策”，確保醫生知曉AI判斷依據；第三，明確的定位為輔助工具，最終診療決策必須由執業醫師完成；第四，嚴格遵循醫療器械監管要求，所有落地產品必須完成合規注冊與臨床驗證。

從行業發展角度看，您認為醫療AI應堅持怎樣的價值導向？

程東：醫療AI必須堅持安全、合規、普惠、向善的價值導向。安全是底線，不能出現任何威脅患者健康的漏洞；合規是前提，必須在監管框架內發展；普惠是目標，要讓技術下沉基層醫療，惠及更多人群；向善是初心，所有技術創新都應以守護生命、提升健康為最終目的。只有守住這四點，醫療AI才能行穩致遠。

08

未來展望：

AI+醫療開啟全民健康新時代

未來5至10年，AI+醫療將迎來怎樣的發展格局？哪些方向最具潛力？

程東：我個人判斷，未來5至10年，AI將全面融入醫療健康體系，成為基礎設施般的存在。格局上將呈現三大變革：第一，預防醫學成為主流，AI早篩、慢性病干預普及，重大疾病發病率持續下降；第二，精準醫療全面落地，從診斷、用藥到康復，實現千人千面的個性化服務；第三，隨著AI醫療技術的發展，遠程醫療、手術機器人等在鄉村醫院普及，醫療資源更加均衡，AI賦能基層醫療，縮小城鄉、區域醫療差距。

我看好的最具潛力方向包括：腫瘤早期篩查與干預、AI慢性病管理與逆轉、多模態臨床輔助診斷、AI新藥研發、智能可穿戴健康監測、公共衛生智能預警等。這些領域既有技術突破空間，又有巨大民生需求，將成為醫療AI的核心賽道。

對我國醫療AI產業發展，您有哪些建議？對行業從業者有何寄語？

程東：我的建議集中在以下五點：一是加強高質量醫學數據共享與治理，建立安全合規的數據使用機制；二是強化醫工交叉人才培養，既懂醫學又懂AI的復合型人才是行業核心；三是完善標準與監管體系，為創新提供清晰規則；四是鼓勵普惠化應用，讓技術真正服務基層醫療與大眾；五是政策引導和資本加持是加速AI醫療發展的催化劑。

對從業者而言，醫療AI是一項長期事業，急功近利難以成功。要堅守初心，深耕臨床，尊重醫學規律，堅持技術向善。真正的創新，不是追新概念、不是炫酷，而是解決實際問題、守護生命健康。我相信，在各方努力下，中國醫療AI必將走在全球前列，為健康中國貢獻強大科技力量。

程東，1962年6月出生，籍貫安徽金寨，研究生學歷，留學德國。現任上海張江醫學創新研究院常務副院長、上海英塔健康管理有限公司董事長。

程東1984年畢業于同濟大學，后在同濟大學經濟管理學院擔任院團委書記；1990年赴德國留學，獲碩士學位；1992年至2005年，先后在德國Integrata股份公司、德國漢莎航測公司、西門子公司擔任軟件工程師、項目經理、中國合資公司總經理等職；2005年擔任上海英塔健康管理有限公司董事長；2014年至2023年任安派科生物醫學科技（上海）有限公司總經理，從事精準健康管理服務，如腫瘤早期風險篩查和心腦疾病檢測等業務。安派科于2020年在美國納斯達克成功上市。

程東擔任的主要社會職務有：中國僑聯常委，上海市僑聯副主席，上海市健康科技協會副會長，浦東新區歸國留學人員聯合會會長，上海市張江科學城僑聯主席，上海市第十、十一、十二屆政協委員，同濟大學兼職教授等。

編輯：柯欣

審核：王汝霖

歡迎投稿

關注我們了解更多資訊

《中國科技信息》雜志社

主管單位：中國科學技術協會

主辦單位：中國科技新聞學會

在線投稿平臺：www.cnkjxx.com

新媒體內容合作聯系微信：cnkjxx1989

雜志收錄情況：《中國知網》《中國期刊核心期刊（遴選）數據庫》《中國學術期刊綜合評價數據庫（CAJCED）統計源期刊》《中國期刊全文數據庫（CJFD）》《中國科協、中國圖書館學會（解讀科學發展觀推薦書目）》