中国医科大学附属第一医院的高兴华教授

高兴华教授指出，人工智能的发展速度在人类科技史上罕见。从2017年Transformer架构的提出，到2026年通用Agent的涌现，仅仅十年间，AI已从概念验证走向了广泛的应用落地。特别是近期，模型迭代以月甚至以天为单位，不断刷新着人们的认知。这种技术冲击不仅体现在算力的提升，更在于其应用模式的深刻变革：AI既可以作为不知疲倦的“数字助手”，高效执行人类赋予的重复性任务；也可能通过“数字孪生”的方式，模拟和探索生命系统的复杂规律，从而与人类平行发展甚至在某些维度实现超越。

在医疗领域，AI被赋予了双重重大的核心使命。一方面，是“AI for Medicine”，即精准的临床干预，旨在解决当下患者的实际问题，从辅助诊断到治疗决策，形成闭环。例如，国内企业已成功研发并获批全球首个脑机接口三类医疗器械注册证，该技术通过直接读取脑电信号并转化为物理指令，实现了从感知到干预的跨越，为老龄化社会下的智能康复与护理提供了新的思路。另一方面，是“AI for Science”，即前沿的科学探索，旨在从更底层的生命科学原理出发，重塑疾病机制的理解与药物研发的基石。AlphaFold系列模型对蛋白质、核酸、小分子间相互作用的精准预测，便是这一领域的杰出代表，它极大地加速了药物靶点的发现与创新分子的筛选，让相关研究的前沿阵地被迅速拓展。

在基层实践与临床对比方面，高兴华教授引用了多项国际前沿研究。一项在瑞典36家基层全科医疗中心进行的、纳入了228名真实门诊患者的前瞻性研究显示，当基层医生对皮损有疑虑时，手机端AI的实时评估对黑色素瘤的早筛敏感度高达0.96（ROC曲线下面积），有效实现了高并发初筛分流，缓解了上级医院的资源压力。另一项发表在《The Lancet Digital Health》上的多中心、前瞻性诊断性临床试验，则直接对比了手机端AI系统与人类专科医生在真实门诊中的表现。研究评估了190名患者、5868个皮损，结果表明，在识别恶性黑色素瘤的诊断准确率上，AI已可比肩甚至超越资深专家。然而，研究也发现，AI在治疗决策上（如手术方案）往往比人类医生更为激进，这提示了人机协作的必要性与复杂性。

面对AI在临床应用中面临的“黑箱”问题——即算法得出结果的过程不可知、不可溯源，高兴华教授强调了可解释性研究的重要性。其团队致力于构建从多模态标注到因果验证的可解释技术体系，包括利用病理学家手动标注的完全监督学习、基于反事实分析的可视化评估，以及通过频域处理进行因果干预的先进方法。团队开发的“玉衡”多模态皮肤病理大模型，正是从病理学家的视觉行为中提取专业知识，创新性地构建了可被医生理解的多模态大模型，致力于在提升模型可解释性的同时，维持能效比与可扩展性。

报告最后，高兴华教授展示了其团队丰硕的研究成果与转化应用。团队建立了拥有300万细胞标注、3000份组织标注、30万张全切片库的病理数据智能底座，并成功获批数据资产存证证书与技术规范。基于此，团队开发了“AI智眸病理图像分析系统”以及“银屑病皮损图像分析软件”，后者已成功获批NMPA医疗器械注册证，成为行业首个基于AI算法的银屑病靶皮损图像分析软件，实现了皮损严重程度评分的绝对客观化，为慢性皮肤病的靶向治疗与全病程随访提供了关键的数字化工具。

高兴华教授的演讲深刻揭示了AI在皮肤领域从“辅助人”到“模仿人”，再到“超越人”的跨越式发展。他强调，面对这一历史性变革，医务工作者需要主动学习、积极拥抱AI，同时密切关注算法的可解释性及伦理规范，确保这项技术“为善”地服务于临床，从而真正造福患者。这场报告不仅为与会者提供了关于AI在皮肤科应用全景式的认知，也为未来学科交叉融合与创新发展指明了方向。