编者按
2025年8月22-24日，由中国医药教育协会、中国医药卫生文化协会主办的中国皮肤健康发展大会暨杨国亮皮肤病学大会暨中国医药教育协会皮肤与健康教育专业委员会（ACMED）第一届学术年会在上海召开。会上，ACMED与复旦大学大健康信息研究中心联合推出的AI文献小秘书Derm小程序引发关注。值此契机，华肤荟与医脉通皮肤科采访了该项目核心参与专家，复旦大学图书馆副馆长兼医科馆馆长应峻教授，在采访中应峻教授深入解析了产品设计初心与AI 科研应用的实践路径，揭示技术如何在平衡专业性与伦理规范中，为皮肤科医生开拓科研新可能。
应峻 教授
复旦大学大健康信息研究中心
复旦大学图书馆副馆长、复旦大学医学图书馆馆长 研究馆员，硕士生导师
复旦大学知识产权信息服务中心常务副主任、复旦大学大健康信息研究中心副主任、复旦大学知识产权研究中心副主任
兼任中国科技情报学会健康信息学专委会副主任委员、中国医院协会医院情报图书专业委员会副主任委员、中华医学会医学信息学分会常委
研究领域:医学信息学、循证医学、信息行为、科技智库、知识产权信息服务、健康科普，主持和参与国社科、教育部及上海市等国家及省部级项目多项，在国内外核心期刊发表论文80余篇。获评首届长三角优秀科技情报工作者、CALIS全国高校医学图书馆优秀馆长。研究成果获华东地区和上海市优秀科技情报成果奖、全国图书情报创新案例大赛优秀案例奖、上海科普教育创新奖、上海抗症科技奖科普奖等。带领团队获评国际图书馆联合会图书馆营销奖、全国知识产权公共服务优秀案例、全国知识产权公共服务机构专利检索分析大赛一等奖、上海市首届科普大赛二等奖等奖项
在医生个人开展科研工作中，可以从大处着眼从小处着手。现有工具还不能帮医生完成所有科研任务，并且很多工具本身也是在科研阶段。
科研问题最关键：先拆解研究的核心需求，明确需AI 辅助解决的具体科学问题，通过和AI互动寻找灵感。最好能找到合适的工具去帮助解决每个具体问题，如果需要自行开发则要避免
注意算法适配性：优先选择与研究场景匹配的算法，而非盲目追求复杂模型。例如小样本临床数据用迁移学习而非从头训练大模型；比如解释性的机制研究，选择决策树、逻辑回归等可解释模型，舍弃存在“黑箱” 的模型推理。
算法指标与科研目标匹配：算法指标（如准确率）需与科研目标指标（如敏感性、特异性）匹配。例如研究罕见病诊断，算法需优先保证高敏感性（减少漏诊），而非片面追求高准确率。
多轮迭代优化：先用基础模型验证科研假设可行性，再根据科研反馈优化算法，避免算法迭代脱离科研目标。
数据量不足：于公开预训练模型微调，减少数据需求；用简单数据增强扩充样本，避免过度复杂操作；也可以用医学公共数据集作为数据补充。
算力受限：优先用轻量级模型，降低算力消耗；借助免费开源算力，满足中小型模型训练需求，避免自建算力集群；代码层面优化数据加载，减少算力浪费。
技术问题
幻觉问题始终存在：基础大模型的幻觉问题无法避免，医生要用专业素养去识别编造部分，就像利用AI工具检索文献需要溯源。
泛化性不足：个人科研数据往往样本量小、来源单一，AI 模型易 “过拟合”，在不同地区、不同设备的临床场景中准确率大幅下降。
解释性缺失：深度学习等 “黑箱” 模型难以说明决策依据，无法满足临床对诊疗逻辑溯源的要求，影响医生信任度。
伦理问题
AI使用的标注和说明：需要按规定披露AI辅助的部分工作，如果没有个人智慧参与直接由AI输出的成果是不能作为个人著作权声明的。
数据隐私泄露：个人科研中使用AI若未严格落实数据脱敏，处理过程可能泄露患者隐私。
公平性失衡：若训练数据集中某类人群（如老年、罕见病患者）占比低，AI 模型可能偏向优势人群，导致临床应用中对少数群体的误诊/漏诊，违背医疗公平原则。
责任界定模糊：AI 工具辅助临床决策若出现医疗差错，责任归属（研究者、临床医生、AI 工具）缺乏明确标准，易引发纠纷。
小结：从AI工具的临床落地到科研伦理的审慎考量，应峻教授的观点勾勒出技术赋能医学的双重图景：一方面，Derm小程序等创新工具正通过轻量化设计打破科研资源壁垒，让 AI从“实验室技术”转化为医生指尖的 “科研助手”；另一方面，幻觉问题、数据隐私等挑战也警示着，唯有在技术迭代中坚守医学本质，才能让AI真正成为推动皮肤学科发展的“理性引擎”。随着这类跨学科合作的深入，AI与医学科研的融合或将迎来更具温度的突破。
医脉通是专业的在线医生平台，“感知世界医学
(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)
