李棟教授專訪：臨床醫(yī)生的“最強大腦”，AI如何重構診療模式?|?心血管數智健康及創(chuàng)新發(fā)展會議（2025）

導語

在醫(yī)療健康領域數字化轉型的浪潮中，數智技術正深刻重塑疾病研究、診療模式與健康管理方式。2025年12月12日-13日，“心血管數智健康及創(chuàng)新發(fā)展會議（2025）暨中國老年保健醫(yī)學研究會數智健康分會2025年會暨清華心血管教育培訓課程”在北京清華長庚醫(yī)院隆重舉行。此次會議聚焦“數智心未來，健康新生態(tài)” 這一前沿主題，立足前瞻視野，搭建高水平交流平臺，旨在匯聚智慧、激發(fā)碰撞、共謀發(fā)展。

北京清華長庚醫(yī)院李棟教授作為醫(yī)學研究領域的杰出學者，在此次會議中分享了《臨床大數據與AI在醫(yī)學研究中的應用》這一重要主題。臨床大數據蘊含著豐富的疾病信息，而AI技術則具備強大的數據分析和模式識別能力，二者的結合為醫(yī)學研究開辟了嶄新的路徑。在臨床實踐中，醫(yī)生們面臨著海量的數據，如何有效整合、分析并利用這些數據來提升疾病診斷的準確性、優(yōu)化治療方案，是當前醫(yī)學研究的關鍵問題。在此背景下，醫(yī)脈通特邀李棟教授進行專訪，以深入了解臨床大數據與AI在醫(yī)學研究中的具體應用場景、取得的成果以及面臨的挑戰(zhàn)，為廣大醫(yī)生讀者提供前沿知識和實踐經驗，助力醫(yī)學研究創(chuàng)新發(fā)展。

醫(yī)脈通：

臨床大數據來源廣泛、質量參差，在應用中您如何進行數據清洗和預處理？怎樣確保數據的準確性、完整性和一致性，以保障AI分析結果的可靠性？

1

李棟教授：

這是一個極具價值的問題，要妥善解答該問題，或許需從另一個視角切入，即明確數據清洗治理的目的。由于目的不同，所采用的處理方法也各有差異。

如果數據清洗治理的目的僅局限于臨床應用，那么工作重點可能聚焦于提升與臨床數據相關的質量，例如對缺失值進行補齊，提高數據本身的質量等。

如果數據清洗和整理的目的是服務于科研，那么就會提出更為嚴苛的要求。眾所周知，在科研工作中，不僅要確保傳統(tǒng)數據質量達標，還需對一些具有潛在價值的指標予以重點關注并妥善處理。這些指標在臨床早期或許并非臨床關注的重點，但對于探索新的治療方法或構建更有效的預測模型而言，可能具有重要作用。

再者，就當下與人工智能緊密關聯的領域而言，若數據是用于大模型訓練，那么其處理方法又截然不同。此時，不僅要關注數據本身，還需深入探究數據背后蘊含的所有邏輯，如此方能充分挖掘數據的價值，使其真正發(fā)揮效用。

綜上所述，此問題可簡要概括為：需依據最終所需的應用場景來確定相應的處理方式。

醫(yī)脈通：

從臨床醫(yī)生角度，這種結合能為他們的醫(yī)學研究和工作帶來哪些具體價值？比如是否能幫助醫(yī)生更快地分析患者數據、制定個性化治療方案，能否舉例說明？

1

李棟教授：

簡而言之，這確為事實。實際上，醫(yī)院里許多人一直秉持這樣一種觀點，即醫(yī)院最不缺數據，然而，事實并非如此。醫(yī)院中所謂“數據”的概念，與普通醫(yī)生或普通管理人員所理解的數據存在一定差異。在我們看來，醫(yī)院所擁有的大量內容本質上是信息，而非真正能夠用于科研、分析或訓練的有效數據。

從這一層面來講，若能借助現代信息技術手段，將醫(yī)院的信息轉化為切實可用的數據，必將為醫(yī)生帶來前所未有的助力。例如，通過數據處理提高醫(yī)生的診療效率，將經過初步處理的信息應用于輔助診斷等，這些是目前已經能夠預見到的積極影響。

但除此之外，數據的應用對醫(yī)生的幫助遠不止于此，它為醫(yī)生構建了一種類似“最強大腦”的工作模式。過去，醫(yī)療高度依賴醫(yī)生個體的經驗積累，醫(yī)生診療水平的高低很大程度上取決于其診治病例的數量，進而形成個人獨有的經驗體系。而如今，隨著數據的引入，除醫(yī)生自身的經驗外，本學科、本地區(qū)乃至全球范圍內所有優(yōu)秀的診療經驗都能被整合并加以利用。這就如同為醫(yī)生配備了一個除自身經驗之外的“最強大腦”與“高級參謀”。

如此一來，數據對醫(yī)生的幫助不僅體現在工作效率的提升上，更有可能從根本上徹底顛覆現有的診療模式。

醫(yī)脈通：

在使用臨床大數據時，如何確保患者數據的倫理和隱私問題得到妥善處理？您在研究中采取了哪些措施來保護患者權益，同時又能充分利用數據？

1

李棟教授：

在我看來，這一問題極具挑戰(zhàn)性，原因在于AI時代與傳統(tǒng)時代對患者隱私保護的含義存在顯著差異。在AI時代來臨之前（不妨稱之為傳統(tǒng)時代），我們通常采用常規(guī)手段，如脫敏、編盲等方式，去除患者的個人信息以實現隱私保護。

然而，AI時代的情況截然不同，AI具備強大的邏輯推理能力。打個不恰當的比喻，就如同我們購買一張拼圖，即便因質量原因缺失了參考圖樣，但只要有足夠的耐心反復嘗試拼接，最終仍能將完整的圖樣拼湊出來。AI時代亦是如此，除非一個人自出生以來在社會上毫無痕跡，例如未曾參加高考、未購買醫(yī)保、未辦理實名制手機號等涉及個人信息的活動，否則只要在社會中留下過痕跡，且隨著留痕次數的增多，憑借強大的算力，AI在一定程度上就能夠將個人信息拼湊還原。

鑒于此，我們面臨的關鍵問題在于，如何在現有架構下應對這一全新挑戰(zhàn)，能否研發(fā)出適應AI時代的、更為先進的患者隱私保護模式，成為當下的重要課題。目前，我們正在開展相關探索，其中包括研究AI時代的病人隱私計算技術，引入區(qū)塊鏈技術，以便在患者隱私泄露時能夠精準追蹤泄露的源頭與環(huán)節(jié)。此外，我們還在探索一種復雜算法，一旦發(fā)現患者隱私泄露，能夠安全、遠程地對泄露數據進行清洗或一次性刪除。盡管目前這些技術尚不成熟，但我們已經取得了一些有益的探索成果。

醫(yī)脈通：

對于廣大醫(yī)生群體，在日常工作和學習中，應如何更好地利用臨床大數據與AI技術提升自身專業(yè)能力？您有哪些具體的建議和指導？

1

李棟教授：

最為關鍵的是，傳統(tǒng)模式下醫(yī)護人員僅需熟練掌握醫(yī)療專業(yè)知識與臨床經驗即可滿足工作需求，然而從當下的實際情況來看，這顯然遠遠不夠。

其一，醫(yī)護人員至少應當對算法具備一定程度的了解，至少要能夠理解算法所輸出的結果，從而基于這些結果為診療工作提供參考與決策依據。

其二，除與患者進行有效溝通這一基礎能力外，醫(yī)護人員還需掌握一項新的能力，即能夠清晰、準確地將自己的專業(yè)想法傳達給數據工程師與算法工程師，通過這種跨學科的溝通協(xié)作，借助多學科交叉融合的方法，使自身的專業(yè)理念與設想得以落地實現。這一能力在過去或許并非醫(yī)生必備，甚至相對欠缺，但在當下則應成為醫(yī)護人員應當具備的重要素養(yǎng)。

醫(yī)脈通：

您認為臨床大數據與AI的應用對醫(yī)療健康行業(yè)會產生哪些深遠影響？未來幾年，這一領域將呈現出怎樣的發(fā)展趨勢，如新技術、新應用的涌現等？

1

李棟教授：

AI對臨床產生的最大影響在于，它從根本上顛覆了傳統(tǒng)的醫(yī)療模式。眾所周知，傳統(tǒng)醫(yī)療高度依賴醫(yī)生的個人經驗，醫(yī)生診治的病例越多、接觸的疑難雜癥越豐富，其診療水平往往越高。

然而，這種依賴個人經驗的模式存在明顯局限。一方面，受地域限制，醫(yī)生難以全面掌握其他地區(qū)乃至全球的先進診療經驗；另一方面，個人知識結構也存在固有邊界，即便經驗豐富，也難以窮盡所在領域的所有知識。

而AI的出現，為醫(yī)生賦予了新的能力，堪稱為其插上了翅膀。借助AI，醫(yī)生不僅能夠快速獲取本地的治療經驗，更能依托其強大的分析能力，整合全球范圍內該領域最優(yōu)質、最前沿的成果，為自身診療提供高水準的參考，形成一種類似“高級參謀”的支持模式。

由此，醫(yī)療模式從單純依賴醫(yī)生個人經驗，轉變?yōu)槿藱C交互模式，醫(yī)生可隨時與AI提供的方法進行互動，實現人機優(yōu)勢互補。目前，這一趨勢已較為明顯。

專家簡介

李棟 教授

北京清華長庚醫(yī)院

• 醫(yī)學博士

• 現任清華大學附屬北京清華長庚醫(yī)院醫(yī)學數據科學中心主任、研究員

• 清華大學生物工程特聘教授

• 受聘為四川大學華西醫(yī)院特聘教授

撰寫：Zelda

審校：李棟 教授

排版：Zelda

執(zhí)行：Zelda

本平臺旨在為醫(yī)療衛(wèi)生專業(yè)人士傳遞更多醫(yī)學信息。本平臺發(fā)布的內容，不能以任何方式取代專業(yè)的醫(yī)療指導，也不應被視為診療建議。如該等信息被用于了解醫(yī)學信息以外的目的，本平臺不承擔相關責任。本平臺對發(fā)布的內容，并不代表同意其描述和觀點。若涉及版權問題，煩請權利人與我們聯系，我們將盡快處理。