劉 雷 曾麗艷

(復旦大學智能醫(yī)學研究院 上海 200032)

1 引言

隨著大數(shù)據(jù)、云計算、人工智能(artificial intelligence，AI)等新興技術蓬勃發(fā)展，現(xiàn)代醫(yī)學、生命科學、工程科學高度交叉融合，促使醫(yī)學模式從工程醫(yī)學演進到智能醫(yī)學。Topol E J[1]將智能醫(yī)學定義為將AI與醫(yī)學融合，利用大數(shù)據(jù)和機器學習等技術實現(xiàn)精準的個體化醫(yī)療，以提供更好的疾病預防、診斷、治療和管理。Rajkomar A等[2]認為智能醫(yī)學指利用機器學習和深度學習等技術，從大規(guī)模醫(yī)療數(shù)據(jù)中提取知識和模式，用于診斷、預測和個性化治療。智能醫(yī)學是建立在現(xiàn)代醫(yī)學基礎之上，融合了醫(yī)療大數(shù)據(jù)、AI和元宇宙等前沿技術，旨在挖掘生命的本質(zhì)，疾病發(fā)生、發(fā)展與演變的規(guī)律，并探索智能化疾病診療方法及其臨床實踐應用的新興交叉學科[3]。

大數(shù)據(jù)的積累和多樣性為AI的訓練和學習提供更廣泛的資源，AI的引導和優(yōu)化有助于實現(xiàn)大數(shù)據(jù)的智能化利用，改善決策效果和提供個性化服務[4-5]，而元宇宙作為大數(shù)據(jù)和AI的融合，提供智能化的交互和體驗[6]，大數(shù)據(jù)、AI、元宇宙與智能醫(yī)學的發(fā)展相互依賴、相互促進。大數(shù)據(jù)和AI為智能醫(yī)學提供數(shù)據(jù)分析和決策支持的基礎和能力，而元宇宙則為遠程醫(yī)療提供創(chuàng)新解決方案，為智能醫(yī)學帶來更加沉浸式和個性化的醫(yī)療體驗[1]。大數(shù)據(jù)、AI和元宇宙的結(jié)合為智能醫(yī)學帶來巨大的創(chuàng)新和發(fā)展?jié)摿Α?/p>

2 大數(shù)據(jù)融合和驅(qū)動是智能醫(yī)學發(fā)展的基礎

2.1 數(shù)據(jù)融合與數(shù)據(jù)治理

隨著生物醫(yī)學研究的飛速發(fā)展，大量電子健康記錄、臨床治療、醫(yī)學圖像、多組學(基因組、宏基因組、表觀基因組、轉(zhuǎn)錄組、蛋白質(zhì)組、代謝組)等數(shù)據(jù)不斷積累，已經(jīng)形成從微觀層面、分子層面、基因?qū)用娴絺€體、群體的跨尺度、大規(guī)模的數(shù)據(jù)量和知識體，蘊含巨大研究及臨床應用價值，為智能醫(yī)學發(fā)展提供數(shù)據(jù)基礎。然而，醫(yī)療數(shù)據(jù)通常呈現(xiàn)出多模態(tài)異構特征且分散分布，底層數(shù)據(jù)庫的數(shù)據(jù)整合、治理和標準化，以及多模態(tài)數(shù)據(jù)融合技術還有很大提升空間。數(shù)據(jù)融合指應用特征級融合、模型級融合，基于深度學習的融合方法(如神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡等技術)，將來自不同數(shù)據(jù)源的、分散的、異構的數(shù)據(jù)整合到一個一致的數(shù)據(jù)集中的過程，旨在消除重復數(shù)據(jù)、處理數(shù)據(jù)沖突、填補缺失值等，提供可信、完整的數(shù)據(jù)資源，支持臨床決策[7-8]。數(shù)據(jù)治理包括制定數(shù)據(jù)管理策略、定義數(shù)據(jù)標準、建立數(shù)據(jù)質(zhì)量評估機制、確保數(shù)據(jù)訪問權限和責任等，是對數(shù)據(jù)的管理和監(jiān)控過程，旨在確保數(shù)據(jù)在整個生命周期中得到有效管理，確保數(shù)據(jù)使用的道德性、責任性和可持續(xù)性[9-10]。因此，數(shù)據(jù)融合依賴于數(shù)據(jù)治理，確保數(shù)據(jù)質(zhì)量、一致性和可靠性，并滿足數(shù)據(jù)訪問和隱私保護的要求，而數(shù)據(jù)治理提供了數(shù)據(jù)融合的框架、規(guī)范和控制，確保融合過程中的數(shù)據(jù)質(zhì)量、安全性和合規(guī)性[7-12]。特別是當醫(yī)學大數(shù)據(jù)涉及多病種、多模態(tài)和多來源時，采用數(shù)據(jù)融合和數(shù)據(jù)治理等新技術對生物醫(yī)學等多模態(tài)信息進行有效利用和挖掘，是提高疾病治療臨床決策水平和精準防控的迫切要求[13]，也是智能醫(yī)學學科建設的重要方向。

2.2 多模態(tài)數(shù)據(jù)融合和驅(qū)動

數(shù)據(jù)融合和數(shù)據(jù)治理為數(shù)據(jù)驅(qū)動的決策和分析提供必要的數(shù)據(jù)集成、質(zhì)量保證和可靠性支持[14-15]。醫(yī)療機構和研究機構利用機器學習、深度學習、數(shù)據(jù)挖掘和大數(shù)據(jù)融合等方法分析大量的健康數(shù)據(jù)和組學數(shù)據(jù)，從而識別疾病風險因素、優(yōu)化診斷和治療方案，基于數(shù)據(jù)驅(qū)動進行臨床決策制定和業(yè)務優(yōu)化。如心血管疾病的發(fā)生發(fā)展與基因、腸道微生物、生活環(huán)境和方式等因素相關，Shen L等[16]收集心血管疾病患者的微生物組數(shù)據(jù)和臨床數(shù)據(jù)，并對這些心血管疾病相關異質(zhì)性數(shù)據(jù)進行結(jié)構化、融合和解析，開發(fā)和構建出穩(wěn)健模型，并獲得該疾病的微生物群生物標志物，實現(xiàn)基于數(shù)據(jù)驅(qū)動的心血管疾病個性化和精準化治療；前列腺癌是全球發(fā)病率和死亡率較高的惡性實體腫瘤，遺傳、生活方式和環(huán)境因素的復雜性和多樣性相互作用促進其細胞進化，Lin Y等[17]通過融合不同數(shù)據(jù)資源(如組學和醫(yī)學圖像)進行計算建模，模擬前列腺癌發(fā)展過程中的動態(tài)變化，從嘈雜的、多結(jié)構的數(shù)據(jù)中識別和區(qū)分特定的生物標志物和危險因素，實現(xiàn)基于數(shù)據(jù)驅(qū)動的前列腺癌精準化診斷和治療臨床決策。在醫(yī)院智慧化建設方面，如傳染性疾病流行期間，Zhai Y等[18]應用數(shù)據(jù)驅(qū)動的智能優(yōu)化技術(如機器學習和優(yōu)化算法)對相關護理數(shù)據(jù)和排班需求(包括護理人員工作時間表、患者需求和護理任務優(yōu)先級等)進行分析和建模，并結(jié)合智能調(diào)度算法，建立基于數(shù)據(jù)驅(qū)動的智能醫(yī)療服務平臺，實現(xiàn)醫(yī)院人力資源快速配置，進一步篩選出現(xiàn)代醫(yī)療的最優(yōu)管理方案。通過多模態(tài)數(shù)據(jù)的融合以及模型驅(qū)動，基于授權和控制、聯(lián)邦學習、安全沙箱等技術對醫(yī)學大數(shù)據(jù)進行加密隱私計算，能夠保證這些醫(yī)學數(shù)據(jù)在不同方式授權下得到合理利用，使醫(yī)生可以更加清晰地掌握疾病的發(fā)展趨勢和潛在風險，更加科學和客觀地作出醫(yī)療決策，提高醫(yī)療質(zhì)量和效率。

3 AI是智能醫(yī)學發(fā)展的助推力

3.1 AI及其醫(yī)學應用

AI指能夠執(zhí)行與人類智能相關的若干任務(如決策、視覺感知、語音識別和推理等)的計算框架和算法，包括機器學習、深度學習、計算機視覺和自然語言處理(natural language processing，NLP)[19]。其中，大語言模型(large language models，LLMs)是NLP重要組成部分之一，是在經(jīng)歷了統(tǒng)計語言模型(如基于馬爾科夫鏈預測)、神經(jīng)語言模型(如循環(huán)神經(jīng)網(wǎng)絡、長短期記憶網(wǎng)絡)和預訓練語言模型(如GPT-1、GPT-2、BERT)這3個語言模型階段后發(fā)展出來的基于千億參數(shù)模型規(guī)模和超大算力的第4階段語言模型，該語言模型(如GPT-3、PALM、ChatGPT、LLaMA、GPT-4)可通過訓練大規(guī)模的語料庫創(chuàng)建文本、圖像、音頻、代碼和視頻等新內(nèi)容，是生成式AI應用程序的關鍵組件[20]。LLMs為實現(xiàn)更智能、更人性化的語言處理和人機交互提供強有力的技術支持，基于大語言模型、文本模型和圖像模型的生成式AI應用程序得到廣泛關注，如用于文本生成的BERT、GPT-3、GPT-4；用于對話的LaMDA、OPT-175B和BlenderBot；用于圖像生成的DALL-E2；用于語音生成的Whisper；用于生成化學、蛋白質(zhì)組學和DNA/RNA方面內(nèi)容的BioNeMo[20-21]。

AI技術正加速向傳統(tǒng)生物醫(yī)學、醫(yī)療健康和藥物研發(fā)等行業(yè)滲透和融合。傳統(tǒng)生物醫(yī)學工程相對來說更關注數(shù)據(jù)的采集和單一設備的數(shù)據(jù)分析，而智能醫(yī)學所涉及的更多是多模態(tài)數(shù)據(jù)，從分子層面到個體層面、再到群體層面的數(shù)據(jù)融合以及模型驅(qū)動，并基于大數(shù)據(jù)融合和驅(qū)動設計更好的AI模型，模擬整個醫(yī)療過程，為醫(yī)生提供更多的臨床輔助決策支持。藥學、影像學、病理學、護理學和公共衛(wèi)生管理均可與AI融合，發(fā)展出AI藥學[22]、AI醫(yī)學圖像診斷[23]、AI傳染病監(jiān)測[24]、AI慢病管理[25]、AI醫(yī)保[26]等。尤其在AI藥學和AI醫(yī)學圖像診斷方面的研究已經(jīng)取得很大進展。

3.2 AI藥學

新藥的開發(fā)是一個漫長過程，而且成功率很低。據(jù)估計，每一種藥物的平均研發(fā)投資為13億美元，非腫瘤學藥物開發(fā)約需5.9～7.2年，腫瘤學藥物開發(fā)約需13.1年，所有藥物開發(fā)項目最終獲得批準的比例是13.8%[27]。隨著AI技術的日趨成熟，AI工具在藥物發(fā)現(xiàn)和開發(fā)中越來越多地被采用，如通過AI技術整合和分析大規(guī)?；蚪M數(shù)據(jù)、蛋白質(zhì)組數(shù)據(jù)和臨床數(shù)據(jù)等，生成預測模型應用于預測藥物-靶點相互作用、化合物庫的虛擬篩選以及發(fā)現(xiàn)具有增強抗病毒活性的潛在藥物候選物，可加速有效抗病毒藥物的開發(fā)和改善傳染病患者治療和預后[28]；利用AI開發(fā)的首個強迫癥藥物已進入臨床試驗，該藥物從最初的篩選到臨床前試驗結(jié)束不到12個月，而使用傳統(tǒng)方法則需要4年，降低研究成本和加快新藥開發(fā)過程[29]。藥物設計的一個重要步驟是了解蛋白質(zhì)的精確形狀(決定其在健康中的功能，以及疾病中的功能障礙)。因此，開發(fā)準確預測蛋白質(zhì)三維結(jié)構的方法，對新藥的發(fā)現(xiàn)和疾病的認識具有重要意義。最具代表性的預測蛋白質(zhì)三維結(jié)構的工具為AlphaFold[30-31]，僅基于蛋白質(zhì)的一維氨基酸序列采用AI網(wǎng)絡方法就能準確預測三維結(jié)構。這種創(chuàng)新方法將極大促進基礎研究和藥物開發(fā)，并指導設計出更安全、更有效的治療和預防疾病的方法。未來藥物研發(fā)將通過知識圖譜推理和更加精準的蛋白質(zhì)三維結(jié)構預測工具，識別藥物靶點，對該蛋白的成藥性進行大致判斷并進行藥物分子設計，經(jīng)過分子對接，找到小分子前體，進一步進行藥理實驗和臨床試驗，能夠更快、更便宜、更有效地開發(fā)藥物。此外，在新藥進行臨床試驗之前，該藥物的藥代動力學/藥效動力學特征也可以在構建模型上進行虛擬模擬，大大加快從藥靶到小分子成藥，進入臨床試驗的過程。AI應用于藥物設計與篩選、靶點發(fā)現(xiàn)、早期藥物研發(fā)、臨床前試驗的設計和治療、試驗現(xiàn)場的性能和試驗數(shù)據(jù)質(zhì)量的監(jiān)測、現(xiàn)有藥物的再利用等，可以降低藥物研發(fā)的周期和成本[32]，為患者帶來更多福祉。

3.3 AI醫(yī)學圖像診斷

80%的臨床數(shù)據(jù)是以圖像的形式存儲，包括放射科的X線透視片、電子計算機體層攝影、磁共振成像等醫(yī)學影像、病理活檢圖像、內(nèi)鏡影像等。疾病的檢查和診斷大多需要參考醫(yī)學圖像。然而，醫(yī)學圖像對成像設備和成像環(huán)境的依賴性很大。與自然圖像相比，醫(yī)學圖像更復雜，表現(xiàn)在以下幾個方面[33]。一是圖像類型多，差異大，難以合并。二是圖像大多為非可見光成像，通常表現(xiàn)出特定信號的強度值，信噪比低。三是靶區(qū)與非靶區(qū)病灶的顏色、灰度、紋理等外觀差異較小。四是圖像像素較大，目標本身缺乏固定的大小、形狀、灰度、紋理等明顯特征，存在個體、成像原理、成像環(huán)境導致的較大差異。五是受成像原理和成像環(huán)境的影響，圖像中含有各種偽影?；贏I深度學習模型的醫(yī)學圖像處理，可以為醫(yī)學知識與疾病輔助診斷、大規(guī)模篩查系統(tǒng)的深度融合提供有效的交互方式，如通過對原始圖像的可視化方法量化習得病理的特異性，利用任務特異性的可解釋特征區(qū)分臨床情況，提高診斷透明度和降低決策風險。如早期肺部惡性腫瘤和癌前病變很難用人眼通過醫(yī)學成像等傳統(tǒng)診斷操作識別，而失去手術治療的最佳機會，研究人員提出一種新型混合智能診斷框架——基于深度融合特征的可靠網(wǎng)絡，應用于肺電子計算機體層攝影圖像對惡性和良性腫瘤細胞進行快速精準的檢測和分類[34]。在解決睡眠評估和早期診斷人類睡眠障礙問題上，研究人員提出一種基于睡眠分期的高精度睡眠計算AI方法分析患者臨床多導睡眠圖傳感器的大數(shù)據(jù)集，評估準確率超過90%，為加快睡眠評估過程和減輕醫(yī)生工作負擔提供有效手段[35]。因此，AI醫(yī)學圖像的高效診斷和較高準確率可以為患者提供可解釋的快速診斷依據(jù)，并將醫(yī)務人員從重復和復雜的診療任務中解放出來。

4 基于數(shù)字孿生的元宇宙醫(yī)學是智能醫(yī)學發(fā)展的新階段

4.1 數(shù)字孿生及其醫(yī)學應用

數(shù)字孿生是有生命的實體(如人類、動物、植物等)或無生命的實體(如商業(yè)模型、產(chǎn)品、流程、系統(tǒng)、事件、機器、建筑等)的虛擬化身，允許真實實體和虛擬化身之間實時交互和交流，對真實實體的整個生命周期進行智能評估、優(yōu)化和預測，幫助建模、監(jiān)控、理解和優(yōu)化真實實體的功能和行為[36]。數(shù)字孿生已廣泛引入航天、汽車、物流和城市等復雜系統(tǒng)。例如，工廠的在線運行監(jiān)測，交通、物流、天氣預報等的實時監(jiān)測，以及衛(wèi)星或空間站的遠程控制和維護。在醫(yī)學領域，可將數(shù)字孿生視為虛擬化身，旨在制定個性化醫(yī)療策略，以改善診斷和治療。基于數(shù)字孿生為患者治療的步驟可簡單概括為：首先，構建與個體患者的疾病機制相關所有分子、表型和環(huán)境因素的無數(shù)個網(wǎng)絡模型(即個體數(shù)字孿生)；其次，用數(shù)千種藥物對這些數(shù)字孿生進行計算和模擬治療，以確定表現(xiàn)最佳的藥物；最后，用篩選出來的最佳藥物治療患者[37]。研究人員還提出一種自適應的動態(tài)肺癌患者數(shù)字孿生，使用基線特征預測治療反應，如果預測不符合預期，可以重新分配治療。在維持階段，肺癌患者數(shù)字孿生將評估耐藥機制，進而對患者耐藥性進行有效治療[38]。該方法利用癌癥研究、AI和計算技術領域的最新成果，成功構建用于監(jiān)測治療反應和治療耐藥性的患者數(shù)字孿生。數(shù)字孿生將幫助臨床醫(yī)生盡早發(fā)現(xiàn)問題，預測疾病發(fā)展，并指導醫(yī)生對患者及時監(jiān)測、收集數(shù)據(jù)和選擇合適的治療方法。Al-Zyoud I等[39]構建一個數(shù)據(jù)驅(qū)動的數(shù)字孿生系統(tǒng)，采用現(xiàn)代計算機視覺/圖像處理和遠程光容積描圖技術遠程感知和融合人類生物信號：心率、呼吸頻率和血氧飽和度，在醫(yī)院急診中可用于生物信號快速預篩查、遠程監(jiān)測老年患者的健康和實時預警，防止患者健康進一步惡化?；跀?shù)字孿生開發(fā)的硅腦(神經(jīng)形態(tài)芯片)[40-41]，將患者特定的生物學特征，包括大腦結(jié)構、病理和功能特征聯(lián)系起來，通過整合生物模式和AI計算的各個方面，模擬數(shù)字大腦，重新捕獲不同尺度的腦回路和生物過程，可能會徹底改變藥物開發(fā)和神經(jīng)條件下的個性化治療和康復。

4.2 元宇宙醫(yī)學

隨著數(shù)字孿生技術、虛擬現(xiàn)實、增強現(xiàn)實、物聯(lián)網(wǎng)、云計算、AI和第5代移動通信等科學技術的創(chuàng)新與成熟，一個物理世界和虛擬世界相結(jié)合的超大空間——元宇宙應運而生[42]。元宇宙是一個與現(xiàn)實世界完全相同的虛擬世界。元宇宙醫(yī)學聯(lián)盟(International Association and Alliance of Metaverse in Medicine，IAMM)曾發(fā)布專家共識，將2022年定義為“元宇宙醫(yī)學”的第1年，并將醫(yī)學的元宇宙定義為通過虛擬現(xiàn)實或增強現(xiàn)實增加技術實踐的醫(yī)學物聯(lián)網(wǎng)[43]?；趥€體數(shù)字孿生的元宇宙醫(yī)療是指將個體患者的所有數(shù)據(jù)，包括從基因到日常生活習慣，以個體孿生的方式在虛擬空間里重建，基于這個虛擬人物，綜合利用虛擬現(xiàn)實、增強現(xiàn)實、物聯(lián)網(wǎng)等最新智能技術手段，構建醫(yī)院的數(shù)字場景(虛擬醫(yī)院)，為醫(yī)生和患者在虛擬世界中提供身臨其境的體驗。醫(yī)生和患者使用數(shù)字化身相互交流，生成和交換信息。在虛擬醫(yī)院中，患者可以接受多種醫(yī)療服務，如治療、手術、咨詢等?；颊叩臄?shù)據(jù)將被發(fā)送到可解釋的AI模型，用于分析、預測和診斷疾病。AI模型將為疾病及其預測提供邏輯推理。醫(yī)學專家檢驗預測結(jié)果，并據(jù)此為患者提供治療。基于個體數(shù)字孿生的元宇宙醫(yī)療有幾個潛在好處。一是患者在家中就能獲得部分醫(yī)療服務，醫(yī)生可以遠程虛擬地為患者檢查，并有一種身臨其境的體驗，為殘疾患者和居家患者帶來更多便利。二是元宇宙數(shù)據(jù)提供醫(yī)療資源和服務的快速交付，將降低患者延遲獲得緊急醫(yī)療服務而導致的死亡率。三是對缺乏醫(yī)療專業(yè)人員和醫(yī)生的偏遠地區(qū)，通過虛擬現(xiàn)實、增強現(xiàn)實技術可提供無縫的患者監(jiān)測和治療。四是減少患者去醫(yī)院的次數(shù)，并有助于預防傳染病和流行病。五是醫(yī)生在對患者手術之前，可獲得廣泛的解剖指導和手術模擬培訓，模擬和控制不同的情況，提高治療成功率，降低醫(yī)療服務成本[44]。

基于個體數(shù)字孿生的元宇宙醫(yī)學的應用還處于起步階段。如創(chuàng)建了“虛擬護士”，可隨時與患者互動，指導患者和家屬的日常護理，還實時監(jiān)控患者安全、醫(yī)生活動、入院和出院活動[45]。尤其對高血壓、糖尿病、肥胖等慢性病和一些有心理健康問題的患者，醫(yī)護人員可以使用遠程醫(yī)療服務和關聯(lián)家庭的設備(如可穿戴傳感器和智能手機應用程序)在多維虛擬診所中訪問患者，監(jiān)測其健康狀態(tài)并提供有效幫助[46]。因此，基于個體數(shù)字孿生的元宇宙醫(yī)療，構建全息數(shù)字與虛擬現(xiàn)實技術相結(jié)合的虛擬場景和遠程醫(yī)療場景，形成醫(yī)護人員與患者的現(xiàn)實和虛擬世界互動，如智能導診、輔助/自動診斷，最終實現(xiàn)從預防、診治到預后的患者全生命周期管理，是智能醫(yī)學發(fā)展的新階段。

5 醫(yī)工融合的創(chuàng)新人才建設是智能醫(yī)學發(fā)展的關鍵

在智能醫(yī)學學科發(fā)展過程中，醫(yī)工融合的創(chuàng)新人才起關鍵作用。新醫(yī)科需要醫(yī)學與文、理、工、法各學科的交叉融合，通過發(fā)展精準醫(yī)學、轉(zhuǎn)化醫(yī)學、智能醫(yī)學等醫(yī)學新專業(yè)，促進我國現(xiàn)階段醫(yī)療模式向“環(huán)境-社會-心理-生物-工程”的現(xiàn)代醫(yī)學模式轉(zhuǎn)化?！督】抵袊袆?2019—2030年)》要求，促進以治病為中心向以健康為中心轉(zhuǎn)變。新醫(yī)科建設是健康中國戰(zhàn)略的重要基礎，而智能醫(yī)學是新醫(yī)科建設的重要組成部分，因此，精準滿足公眾對生命質(zhì)量和健康安全不斷變化的新需求，不斷提高醫(yī)療衛(wèi)生水平，努力培育醫(yī)工融合的創(chuàng)新人才，是智能醫(yī)學學科建設和發(fā)展的初心與使命。

智能醫(yī)學的創(chuàng)新特征就是在交叉領域去深挖，去實現(xiàn)重大突破，占據(jù)交叉領域的制高點，關鍵是未來交叉型的醫(yī)工融合創(chuàng)新人才隊伍建設。醫(yī)工融合創(chuàng)新人才通常是跨學科的專業(yè)人員，具備醫(yī)學和工程學科知識背景，還掌握先進的信息技術和數(shù)據(jù)科學技能，并能夠?qū)⒐こ虒W科的技術和方法應用于醫(yī)學領域，開發(fā)出智能醫(yī)學的創(chuàng)新技術和解決方案[3，47-48]。復旦大學智能醫(yī)學研究院以復旦大學臨床醫(yī)學、基礎醫(yī)學、藥學、腦科學、護理學、公共衛(wèi)生學等“雙一流”建設學科為基礎，將計算機科學、數(shù)據(jù)科學、統(tǒng)計學、AI等多個學科深度融合，在智能醫(yī)學人才建設方面采取以下措施。一是由醫(yī)學、藥學、類腦科學、計算機科學、統(tǒng)計學、生物學等不同學科領域的專家和研究人員組成交叉學科創(chuàng)新團隊，并定期舉行交叉學科研討會，研究合作項目以及交流訪問，以促進思想碰撞和知識共享，合作研究、共同探索智能醫(yī)學領域的前沿問題。二是建立符合國際標準的智能醫(yī)學研究生培養(yǎng)體系，包括根據(jù)智能醫(yī)學領域的需求和發(fā)展趨勢，開設和更新涵蓋醫(yī)學、計算機科學、數(shù)據(jù)分析、倫理法律等領域相關知識的課程；建立研究生與國內(nèi)外高水平醫(yī)療機構、研究機構和企業(yè)交流、實踐與合作機制；建立智能醫(yī)學科研項目申請和科技競賽獎勵機制，加強研究生的科研創(chuàng)新意識和科學素養(yǎng)培養(yǎng)。三是構建智能醫(yī)學產(chǎn)業(yè)合作平臺，研究人員和研究生通過平臺實現(xiàn)資源共享、人才培養(yǎng)和項目合作，共同開展智能醫(yī)學研究和技術創(chuàng)新，促進智能醫(yī)學成果的轉(zhuǎn)化與應用。復旦大學智能醫(yī)學研究院的目標是助力新醫(yī)科人才和高水平復合型人才培養(yǎng)，建設國際一流的智能醫(yī)學學科，推動我國智能醫(yī)學領域的發(fā)展與創(chuàng)新。

6 結(jié)語

智能醫(yī)學在國家科技創(chuàng)新體系中具有非常重要的戰(zhàn)略地位。智能醫(yī)學的發(fā)展離不開大數(shù)據(jù)算力和存儲平臺、健康醫(yī)療大數(shù)據(jù)標準與規(guī)范、健康醫(yī)療大數(shù)據(jù)技術、生命組學分析技術、醫(yī)學AI技術、智能醫(yī)學相關倫理與法規(guī)建設、交叉型人才隊伍建設。同時，智能醫(yī)學的發(fā)展應瞄準醫(yī)學學科前沿，致力于促進學科融合創(chuàng)新，聚力打造一批戰(zhàn)略科技力量，部署一批戰(zhàn)略性和基礎性前沿項目，突破一批卡脖子關鍵核心技術，強化對關系全局的智能醫(yī)學科技硬實力系統(tǒng)性布局，共同推動醫(yī)學發(fā)展和成果傳播，為醫(yī)療臨床服務，為衛(wèi)生改革發(fā)展服務，為保障公眾健康服務。