编者：

人工智能（AI）与医疗健康的融合，已成为全球科技创新的核心赛道，也是推动“健康中国”战略落地的关键力量。从肿瘤早筛、慢性病管理到新药研发、临床辅助诊断、再生医学，AI正在全方位改变传统医疗的效率、精度与可及性。为深度解读AI医疗的技术突破、应用场景、产业落地与未来趋势，本刊执行主编郑挺颖、新媒体部主任王汝霖日前专访了全国侨联常委、上海市张江科学城侨联主席、上海市健康科技协会副会长、上海张江医学创新研究院常务副院长程东先生。

文/ 郑挺颖 王汝霖

程东

01

AI+医疗的技术根基：

从交叉学科到医疗大模型

郑

人工智能与医疗的结合已从概念走向落地，但大众对其技术演进脉络并不清晰。您如何看待AI+医疗的发展？当前阶段技术取得突破的核心支撑是什么？

当前医疗AI实现突破的核心支撑有三点：一是算力基础设施成熟，云计算与芯片技术的进步让千亿级参数模型的训练与推理成为可能；二是医学数据积累达到规模效应，高质量临床数据、诊疗指南、文献数据为模型训练提供基础；三是医工结合更加紧密，技术团队与临床专家协同攻关，让AI真正贴合医疗场景需求。正是这三大因素叠加，推动医疗AI从实验室走向临床、从辅助功能走向核心应用、从概念走向家庭。

郑

通用大模型与医疗垂直大模型的区别是什么？为什么医疗领域必须走专业化大模型路线？

程东：通用大模型具备跨领域知识覆盖与自然交互能力，但在医疗这种高严谨性、高专业性、高容错要求的领域，通用模型存在明显短板。首先是专业精度不足，通用模型无法精准掌握病理机制、用药禁忌、影像判读标准；其次是知识更新滞后，医学研究与诊疗指南持续更新，通用模型难以做到实时同步；第三是安全性不足，医疗决策关乎生命，通用模型的“幻觉”问题可能引发致命的错误判断。

医疗垂直大模型则是针对医疗场景专项训练的专用模型，依托海量合规医学数据、临床病例、检验指标、诊疗规范训练而成，专注于健康咨询、疾病筛查、诊断、用药、健康管理等任务，在专业领域的准确率、稳定性、安全性远高于通用大模型。目前，国内推出的多款医疗大模型，在医学报告解读、疾病风险预警、慢性病管理等场景的准确率已达到较高水平，能够真正为医生和公众提供可靠支持。可以说，医疗垂直大模型，是AI进入医疗核心场景的必经之路。

02

AI赋能临床诊断：

效率与精度的双重革命

郑

在临床诊疗环节，AI最核心的应用价值体现在哪些方面？相比传统人工诊断，优势是什么？

程东：AI在临床诊断中的价值，集中体现在提升效率、降低漏诊、标准化判断三个层面。传统诊断高度依赖医生经验，不同年资、不同科室的医生判断存在差异，同时长时间工作带来的疲劳、注意力下降也会影响准确率。而AI可以7×24小时稳定工作，在医学影像、病理切片、检验报告分析等场景中，能够快速捕捉微小异常，实现量化判断。

以肺部影像筛查为例，人工判读准确率通常在70%至80%，而AI模型可以稳定达到90%以上，对早期结节、微小病灶的敏感度显著更高。在复杂疾病的分型上，AI的优势更加突出。例如，肺癌包含腺癌、鳞癌、小细胞癌等多个亚型，不同亚型的治疗方案完全不同，AI可在秒级时间内整合数万份临床数据与文献证据，给出分型判断与治疗建议，辅助医生快速制订方案。AI不是替代医生，而是让医生从重复性、高强度的判读工作中解放出来，把更多精力投入到诊疗决策与患者沟通中。

郑

除了影像诊断，AI在病理、检验、用药等环节的应用成熟度如何？未来还有多大提升空间？

未来提升空间主要集中在三个方向：一是多模态数据融合，将影像、检验、病理、基因数据统一分析，实现更全面的病情评估；二是边缘计算部署，让AI在基层医疗设备端本地运行，降低网络依赖，提升响应速度；三是与医院信息系统深度打通，实现全流程智能化、无纸化、精准化流转。整体来看，AI对临床诊断的赋能仍处于早期，未来3至5年有希望迎来进一步普及。

03

AI加速新药研发：

破解十年周期、

十亿投入行业难题

郑

众所周知，新药研发周期长、成本高、失败率高是全球性难题。AI如何改变新药研发的传统逻辑？目前取得了哪些实质性突破？

程东：传统新药研发遵循“靶点发现—化合物筛选—动物实验—临床试验—获批上市”的路径，平均耗时超过10年，投入超10亿美元，最终成功率不足10%。核心瓶颈在于蛋白结构解析、致病机制研究、化合物筛选等环节高度依赖人工试错，效率极低。

AI的介入从根本上改变了这一模式。首先，AI可通过深度学习快速解析致病相关蛋白的三维结构，明确药物作用靶点；其次，AI能够在海量化合物库中进行虚拟筛选，快速锁定高潜力分子，将筛选周期从数年缩短至数周；第三，AI可模拟药物在人体内的吸收、分布、代谢、排泄过程，提前预测效果与副作用，降低临床试验失败率；第四，AI可对临床试验数据进行智能化管理与分析，提升试验效率与质量。

目前全球已有数十款AI辅助研发的药物进入临床试验阶段，覆盖肿瘤、自身免疫疾病、神经系统疾病等领域，部分药物已实现上市突破。在国内，AI新药研发也已形成完整生态，从靶点发现、分子设计到临床试验赋能，全链条均有成熟技术与产品落地。可以判断，AI将成为未来新药研发的标配工具。

郑

对我国医药产业而言，AI新药研发的战略意义是什么？能否助力实现国产创新药弯道超车？

程东： 我国医药产业正从仿制药为主向创新药转型，AI新药研发具有重要战略价值。第一，能够大幅降低研发成本，让更多创新药项目具备启动条件；第二，缩短研发周期，加快药物上市速度，更快满足临床需求；第三，提升研发成功率，减少资源浪费；第四，推动源头创新，在新靶点、新机制、新分子领域实现突破。

AI并不能单独实现弯道超车，但它是重要的赋能工具。结合我国庞大的临床数据、完善的产业链基础、政策支持与人才优势，AI能够显著提升我国新药研发的效率与竞争力。未来，在AI加持下，我国有望在肿瘤、罕见病、慢性病等领域诞生一批全球领先的原创药物，推动中国从医药大国走向医药强国。

04

AI+慢性病管理：

以数据驱动实现精准化、

长期化健康干预

郑

糖尿病、高血压等慢性病已成为我国居民健康的主要威胁，传统慢性病管理模式痛点突出。AI如何破解慢性病管理难题？其核心逻辑是什么？

程东：我国慢性病管理的核心痛点是监测不连续、干预不精准、依从性低、基层医疗能力不足。多数患者仅在就医时检测指标，日常缺乏持续监测，医生难以掌握真实波动规律，干预方案往往“一刀切”，效果有限。

AI+慢性病管理的核心逻辑是“连续监测+数据建模+个性化干预”。以糖尿病为例，通过动态血糖仪等智能设备，可实现24小时血糖连续监测，形成完整波动曲线；AI基于血糖数据、饮食、运动、用药、身体指标等信息，构建个体代谢模型，精准分析血糖升高或降低的原因；在此基础上自动生成个性化饮食、运动与用药调整方案，让干预从“经验型”转向“数据型”。

郑

智能监测设备在慢性病管理中扮演什么角色？未来慢性病管理会呈现怎样的发展趋势？

程东：智能监测设备是AI慢性病管理的入口与基础，没有高质量、连续、真实的数据，AI干预就无从谈起。以动态血糖仪、连续血压监测、可穿戴心电设备为代表的智能硬件，能够采集人体真实生理信号，为AI模型提供可靠输入。设备与AI平台打通后，可实现风险自动预警、异常及时提醒、方案实时调整，形成“监测—分析—干预—反馈”的闭环。

我认为，随着更专业和更高精度的可穿戴设备出现以及医疗机器人的普及，未来慢性病管理将呈现三大趋势：第一，关口前移，从疾病治疗转向前期预防与高危人群干预；第二，居家化，监测与管理从医院走向家庭，降低就医成本；第三，普惠化，AI技术下沉基层医疗，让城乡居民都能享受标准化的慢性病管理服务。AI有望成为支撑我国慢性病防控体系的核心技术力量。同时，医院内部全方位普及使用AI以及一些专项的手术机器人的研发和临床使用，也是一个值得高度重视的发展趋势。

05

AI肿瘤早筛：

破解“发现即晚期”的困局

郑

肿瘤早筛是医疗AI最受关注的方向之一，也是民生意义极强的领域。传统肿瘤筛查存在哪些局限？AI早筛的技术创新点在哪里？

程东：全球肿瘤防控的最大痛点就是早期发现率低，超过70%的患者在确诊时已处于中晚期，治疗难度大、生存率低、经济负担重。传统筛查手段存在明显短板：影像学检查只能发现已形成的实体病灶，多数已至中晚期；基因检测仅能提示遗传风险，这也仅占肿瘤发病原因的8%；常规血液检测灵敏度不足，也难以捕捉早期微量病变信号。

AI肿瘤早筛的核心创新，在于多维度标志物联合检测+人工智能大数据分析。以当下一些生物科技公司研发的肿瘤智能早筛系统为例，通过采集少量外周血，利用纳米技术等手段捕捉循环肿瘤细胞、ctDNA（circulating tumor DNA的缩写，即循环肿瘤DNA）、异常蛋白、代谢标志物等早期信号，再通过AI模型对多维度信号进行整合判读，实现对常见高发肿瘤的早期风险预警。这种方式灵敏度高、无创便捷、成本可控，适合大规模人群筛查。

郑

您所知晓的肿瘤早筛技术目前可覆盖多少癌种？准确率如何？对我国肿瘤防控体系有何意义？

程东：一些致力于早筛的生物科技公司，研发的早筛系统目前可实现20到50种常见高发肿瘤的风险预测，整体准确率超过90%，对肺癌、消化道肿瘤、乳腺癌等重点癌种具有较高的灵敏度和高特异性。我认为，这些技术最大的特点是无创、便捷、可及性强，无需大型设备，可在基层医疗机构、健康管理中心完成采样，适合全民普及和广谱筛查。

我认为，对我国肿瘤防控体系而言，这些技术的意义体现在三个方面：一是提高早诊率，将肿瘤发现关口大幅前移；二是降低成本，早期干预费用远低于晚期治疗，可大大减轻社会与家庭负担；三是赋能基层医疗，可弥补基层医疗过去肿瘤筛查能力不足的短板，推动优质资源下沉。我希望它能为我国构建“预防为主、早筛为先、精准施治”的肿瘤防控体系，提供可复制、可推广的科技支撑。

郑

随着早筛技术普及，肿瘤防控理念正在发生变化。您如何理解“带癌生存”？AI在其中扮演什么角色？

程东：现代医学已经明确，肿瘤是一种与生活方式、免疫状态、慢性炎症相关的慢性疾病，而非急性绝症。国际医学界早已提出“带癌生存”理念，即通过科学干预控制肿瘤进展，维持患者生活质量，实现长期生存。研究显示，60%以上的肿瘤与不良生活方式相关，遗传仅占很小比例。

06

医疗AI成果转化：

跨越科研到临床的“死亡谷”

郑

科技成果转化是医疗AI行业的最大痛点，大量实验室技术难以落地。您认为核心障碍是什么？如何有效跨越从科研到临床的“死亡谷”？

程东：说到医疗AI成果转化难，我认为其本质是技术、临床、合规、产业四段脱节。第一，技术团队不了解临床流程，研发产品不符合医院实际需求；第二，工程化能力不足，实验室成果无法稳定适配医疗设备与信息系统；第三，医疗监管严格，产品需完成医疗器械注册、临床验证、伦理审查，周期长、门槛高；第四，市场信任构建缓慢，医生与患者接受新技术需要长期数据支撑。

跨越从科研到临床“死亡谷”的关键是坚持医工协同、需求导向、合规先行、资本对接。首先，研发必须由临床医生深度参与，从源头保证产品贴合临床。这就是所谓的0到1创新研发过程；其次，要提前布局、合规申报，按照医疗器械标准设计开发。这个就是1到10的产品初试阶段；再次，技术团队要具备工程化、产品化能力，确保稳定可靠，即所谓的10到100的产业化阶段；最后，用真实世界数据证明价值，逐步建立行业信任。在每个阶段都需要不同的资本支持，从天使投资到风险投资等。一些医疗孵化机构正是遵循这个路径对创新的医疗器械、肿瘤早筛、慢性病管理等产品进行一条龙的孵化服务。

郑

对科创企业、科研机构、投资基金、医院四方而言，如何构建高效的科技成果转化生态？

程东：我个人认为，上述四方应形成分工明确、优势互补的协同机制。医院提供临床场景、病例数据与专家资源，明确真实需求；科研机构专注核心技术攻关、算法优化与机理研究；企业则负责产品化、工程化、合规申报与市场推广；在每个阶段都需要不同形式的资本加持，确保创新研发到产业化过程的资金流动。同时，需要政策支持、标准引领，降低转化成本，提高转化效率。

当然，最理想的生态是，在充足的投资环境下，形成“临床提出问题—科研解决问题—企业落地产品—临床验证优化”的闭环。只有四方同向发力，才能让更多前沿技术从论文、专利走向病床、走向家庭，真正实现科技服务健康。现在许多大型三甲医院也就是医疗创新研发成果发源地，医生结合临床实践有许多创新发现，直接开展与临床相关的课题研究，发表高质量的论文，申请许多专利等。这是非常好的现象，这些成果的产业化非常值得鼓励和支持。

07

医疗AI的安全、

伦理与合规底线

郑

医疗AI涉及生命健康与隐私数据，所以安全与伦理问题至关重要。医疗AI行业面临的主要风险是什么？应如何防范？

程东：医疗AI的风险主要集中在三个方面：一是算法风险，数据质量不佳、模型偏差可能导致错误判断；二是数据安全风险，医疗数据高度敏感，泄露与滥用危害极大；三是伦理风险，AI定位模糊可能引发责任界定难题。

防范的核心是坚守底线。第一，建立严格的数据治理体系，坚持数据脱敏、最小必要、合规使用；第二，强化模型可解释性，避免“黑箱决策”，确保医生知晓AI判断依据；第三，明确的定位为辅助工具，最终诊疗决策必须由执业医师完成；第四，严格遵循医疗器械监管要求，所有落地产品必须完成合规注册与临床验证。

郑

从行业发展角度看，您认为医疗AI应坚持怎样的价值导向？

程东：医疗AI必须坚持安全、合规、普惠、向善的价值导向。安全是底线，不能出现任何威胁患者健康的漏洞；合规是前提，必须在监管框架内发展；普惠是目标，要让技术下沉基层医疗，惠及更多人群；向善是初心，所有技术创新都应以守护生命、提升健康为最终目的。只有守住这四点，医疗AI才能行稳致远。

08

未来展望：

AI+医疗开启全民健康新时代

王

未来5至10年，AI+医疗将迎来怎样的发展格局？哪些方向最具潜力？

程东：我个人判断，未来5至10年，AI将全面融入医疗健康体系，成为基础设施般的存在。格局上将呈现三大变革：第一，预防医学成为主流，AI早筛、慢性病干预普及，重大疾病发病率持续下降；第二，精准医疗全面落地，从诊断、用药到康复，实现千人千面的个性化服务；第三，随着AI医疗技术的发展，远程医疗、手术机器人等在乡村医院普及，医疗资源更加均衡，AI赋能基层医疗，缩小城乡、区域医疗差距。

我看好的最具潜力方向包括：肿瘤早期筛查与干预、AI慢性病管理与逆转、多模态临床辅助诊断、AI新药研发、智能可穿戴健康监测、公共卫生智能预警等。这些领域既有技术突破空间，又有巨大民生需求，将成为医疗AI的核心赛道。

王

对我国医疗AI产业发展，您有哪些建议？对行业从业者有何寄语？

程东：我的建议集中在以下五点：一是加强高质量医学数据共享与治理，建立安全合规的数据使用机制；二是强化医工交叉人才培养，既懂医学又懂AI的复合型人才是行业核心；三是完善标准与监管体系，为创新提供清晰规则；四是鼓励普惠化应用，让技术真正服务基层医疗与大众；五是政策引导和资本加持是加速AI医疗发展的催化剂。

对从业者而言，医疗AI是一项长期事业，急功近利难以成功。要坚守初心，深耕临床，尊重医学规律，坚持技术向善。真正的创新，不是追新概念、不是炫酷，而是解决实际问题、守护生命健康。我相信，在各方努力下，中国医疗AI必将走在全球前列，为健康中国贡献强大科技力量。

程东，1962年6月出生，籍贯安徽金寨，研究生学历，留学德国。现任上海张江医学创新研究院常务副院长、上海英塔健康管理有限公司董事长。

程东1984年毕业于同济大学，后在同济大学经济管理学院担任院团委书记；1990年赴德国留学，获硕士学位；1992年至2005年，先后在德国Integrata股份公司、德国汉莎航测公司、西门子公司担任软件工程师、项目经理、中国合资公司总经理等职；2005年担任上海英塔健康管理有限公司董事长；2014年至2023年任安派科生物医学科技（上海）有限公司总经理，从事精准健康管理服务，如肿瘤早期风险筛查和心脑疾病检测等业务。安派科于2020年在美国纳斯达克成功上市。

程东担任的主要社会职务有：中国侨联常委，上海市侨联副主席，上海市健康科技协会副会长，浦东新区归国留学人员联合会会长，上海市张江科学城侨联主席，上海市第十、十一、十二届政协委员，同济大学兼职教授等。

编辑：柯欣

审核：王汝霖

欢迎投稿