中國(guó)信息通信研究院云計(jì)算與大數(shù)據(jù)研究所副所長(zhǎng)孫明俊指出，人工智能的發(fā)展正邁入一個(gè)被稱為“后深度學(xué)習(xí)”的新階段。這一階段并非對(duì)深度學(xué)習(xí)技術(shù)的否定或替代，而是其演進(jìn)與深化的必然結(jié)果，核心特征是從追求模型結(jié)構(gòu)的精巧與復(fù)雜，轉(zhuǎn)向更加注重?cái)?shù)據(jù)的質(zhì)量、規(guī)模、多模態(tài)融合以及與實(shí)際產(chǎn)業(yè)場(chǎng)景的深度耦合。在這一宏觀趨勢(shì)下，“AI+醫(yī)療”作為最具潛力和價(jià)值的應(yīng)用領(lǐng)域之一，其應(yīng)用軟件的發(fā)展正站在一個(gè)關(guān)鍵的十字路口，亟待高質(zhì)量、大規(guī)模、標(biāo)準(zhǔn)化的醫(yī)療大數(shù)據(jù)作為“燃料”來引爆新一輪的創(chuàng)新與突破。

后深度學(xué)習(xí)時(shí)代：從模型驅(qū)動(dòng)到數(shù)據(jù)與應(yīng)用雙輪驅(qū)動(dòng)

孫明俊所言的“后深度學(xué)習(xí)時(shí)代”，標(biāo)志著人工智能發(fā)展重心的遷移。過去十年，以深度神經(jīng)網(wǎng)絡(luò)為代表的算法模型取得了舉世矚目的成就，在圖像識(shí)別、自然語言處理等領(lǐng)域達(dá)到了甚至超越了人類水平。隨著模型復(fù)雜度逼近極限，單純依靠堆疊網(wǎng)絡(luò)層數(shù)、調(diào)整參數(shù)帶來的性能提升已逐漸邊際遞減。業(yè)界開始認(rèn)識(shí)到，高質(zhì)量、大規(guī)模、標(biāo)注清晰的數(shù)據(jù)，以及將AI技術(shù)與具體業(yè)務(wù)流程無縫整合的能力，正成為制約AI實(shí)際效能與商業(yè)價(jià)值的更關(guān)鍵因素。

在醫(yī)療健康領(lǐng)域，這一轉(zhuǎn)變尤為明顯。醫(yī)療AI應(yīng)用軟件的成功，不再僅僅取決于算法的先進(jìn)性，更取決于其是否能夠處理真實(shí)世界中海量、異構(gòu)、高維的醫(yī)療數(shù)據(jù)（如電子病歷、醫(yī)學(xué)影像、基因組學(xué)、穿戴設(shè)備監(jiān)測(cè)數(shù)據(jù)等），并從中提取出對(duì)臨床診斷、治療決策、健康管理有實(shí)際意義的知識(shí)與洞察。因此，“后深度學(xué)習(xí)時(shí)代”的醫(yī)療AI，是數(shù)據(jù)、算法、算力、知識(shí)（醫(yī)學(xué)先驗(yàn)知識(shí)）與場(chǎng)景（臨床工作流）深度融合的智能系統(tǒng)。

AI+醫(yī)療應(yīng)用軟件：機(jī)遇與數(shù)據(jù)挑戰(zhàn)并存

當(dāng)前，AI+醫(yī)療應(yīng)用軟件已廣泛應(yīng)用于多個(gè)環(huán)節(jié)：

1. 輔助診斷與篩查：在醫(yī)學(xué)影像（CT、MRI、病理切片等）分析中，AI軟件能夠高效識(shí)別病灶、量化指標(biāo)，輔助放射科、病理科醫(yī)生提升診斷的準(zhǔn)確性與效率，尤其在早期癌癥篩查、眼科疾病診斷等方面成果顯著。
2. 藥物研發(fā)與精準(zhǔn)醫(yī)療：利用AI分析生物醫(yī)學(xué)大數(shù)據(jù)，加速靶點(diǎn)發(fā)現(xiàn)、化合物篩選與臨床試驗(yàn)設(shè)計(jì)，推動(dòng)個(gè)性化治療方案的形成。
3. 醫(yī)院管理與流程優(yōu)化：智能分診、電子病歷語義分析、醫(yī)療資源調(diào)度等軟件，幫助提升醫(yī)療機(jī)構(gòu)運(yùn)營(yíng)效率。
4. 慢病管理與健康監(jiān)護(hù)：基于可穿戴設(shè)備數(shù)據(jù)的AI分析軟件，為患者提供個(gè)性化的健康監(jiān)測(cè)與干預(yù)建議。

這些應(yīng)用的進(jìn)一步深化與規(guī)模化普及，正面臨嚴(yán)峻的“大數(shù)據(jù)挑戰(zhàn)”：

• 數(shù)據(jù)“孤島”與標(biāo)準(zhǔn)化缺失：醫(yī)療機(jī)構(gòu)間的數(shù)據(jù)標(biāo)準(zhǔn)不一、系統(tǒng)互不聯(lián)通，導(dǎo)致數(shù)據(jù)難以匯聚形成足以訓(xùn)練強(qiáng)大模型的規(guī)模。隱私安全顧慮也加劇了數(shù)據(jù)共享的難度。
• 數(shù)據(jù)質(zhì)量與標(biāo)注瓶頸：醫(yī)療數(shù)據(jù)標(biāo)注高度依賴專業(yè)醫(yī)師，成本高、周期長(zhǎng)，且可能存在主觀差異。缺乏高質(zhì)量標(biāo)注數(shù)據(jù)制約了監(jiān)督學(xué)習(xí)模型的性能上限。
• 多模態(tài)數(shù)據(jù)融合難題：如何有效整合影像、文本、基因序列、時(shí)序信號(hào)等不同類型數(shù)據(jù)，構(gòu)建全面的患者數(shù)字畫像，是技術(shù)上的重大挑戰(zhàn)。
• 臨床驗(yàn)證與合規(guī)門檻：醫(yī)療AI軟件作為醫(yī)療器械，需經(jīng)過嚴(yán)格的臨床驗(yàn)證與監(jiān)管審批，這要求訓(xùn)練數(shù)據(jù)不僅量大，更需具有代表性、能反映真實(shí)臨床場(chǎng)景的多樣性。

展望：以數(shù)據(jù)為引爆點(diǎn)，推動(dòng)AI+醫(yī)療軟件向縱深發(fā)展

孫明俊的觀點(diǎn)指明了破局的關(guān)鍵：期待“大數(shù)據(jù)引爆”。這并非指簡(jiǎn)單收集更多數(shù)據(jù)，而是指通過技術(shù)創(chuàng)新與機(jī)制建設(shè)，構(gòu)建一個(gè)健康、可持續(xù)的醫(yī)療數(shù)據(jù)生態(tài)，從而釋放AI+醫(yī)療應(yīng)用軟件的無限潛能：

1. 推動(dòng)數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)與互聯(lián)互通：在國(guó)家層面和行業(yè)層面，加快醫(yī)療健康大數(shù)據(jù)平臺(tái)的建設(shè)，推動(dòng)數(shù)據(jù)標(biāo)準(zhǔn)的統(tǒng)一與互認(rèn)，在確保安全與隱私的前提下探索數(shù)據(jù)要素流通與價(jià)值釋放的創(chuàng)新模式（如聯(lián)邦學(xué)習(xí)、隱私計(jì)算等）。
2. 發(fā)展數(shù)據(jù)治理與增強(qiáng)技術(shù)：投入研發(fā)自動(dòng)化、半自動(dòng)化的數(shù)據(jù)標(biāo)注工具，利用遷移學(xué)習(xí)、自監(jiān)督學(xué)習(xí)、小樣本學(xué)習(xí)等技術(shù)降低對(duì)海量標(biāo)注數(shù)據(jù)的依賴，提升數(shù)據(jù)利用效率。
3. 深化多模態(tài)AI與知識(shí)驅(qū)動(dòng)模型：開發(fā)能夠理解和融合多源異構(gòu)醫(yī)療數(shù)據(jù)的AI模型，并深度融合醫(yī)學(xué)知識(shí)圖譜、臨床指南等先驗(yàn)知識(shí)，使AI軟件不僅“知其然”，更“知其所以然”，提升決策的可解釋性與可信度。
4. 促進(jìn)“研-產(chǎn)-用”閉環(huán)：鼓勵(lì)醫(yī)療機(jī)構(gòu)、AI企業(yè)、科研院所緊密合作，圍繞真實(shí)的臨床需求開發(fā)應(yīng)用軟件，并在實(shí)際使用中持續(xù)迭代優(yōu)化，形成數(shù)據(jù)產(chǎn)生、模型訓(xùn)練、臨床驗(yàn)證、應(yīng)用反饋的良性循環(huán)。

人工智能進(jìn)入后深度學(xué)習(xí)時(shí)代，為AI+醫(yī)療應(yīng)用軟件帶來了從“技術(shù)炫技”到“價(jià)值落地”的轉(zhuǎn)型契機(jī)。只有打通醫(yī)療大數(shù)據(jù)從采集、治理、流通到分析應(yīng)用的全鏈條，才能為醫(yī)療AI注入持續(xù)發(fā)展的澎湃動(dòng)力，最終實(shí)現(xiàn)提升醫(yī)療服務(wù)可及性、降低醫(yī)療成本、改善人類健康水平的宏偉目標(biāo)。這場(chǎng)由數(shù)據(jù)引爆的變革，正在悄然重塑未來醫(yī)療健康產(chǎn)業(yè)的圖景。