编者按：7月11日，首届华夏临床肝病学创新大会顺利启幕，肝病诊疗与医学科研领域前沿观点集中碰撞。当下人工智能（AI）技术加速渗透医疗场景，AI智能体在肝病筛查、患者管理、科研辅助中的应用价值，成为行业热议焦点。大会期间，我们特别专访商胤集团与非智连CEO吕一平先生，围绕AI在肝病医学科研中的定位、医工跨界融合路径、医疗数据合规及医者能力转型等核心议题展开深度对话。专访结合临床真实落地案例，剖析AI赋能肝病科研的实践经验与现存难题，分享跨领域融合创新思路，为医疗AI落地临床、助力肝病学科创新发展提供实践参考。

《国际肝病》：在当前的医学科研场景中，AI智能体更多被视为“工具”还是“协作者”？ 请问在这一转变过程中，AI智能体如何配合研究者将技术能力转化为自身的科研专业技能？

吕一平 先生：我与多位肝病领域专家交流后发现，目前业内对AI的使用很多情况下应用于基础问答类场景，比如依托豆包、千问等基础模型agent开展被动式问答。这类场景下，AI只是单纯的知识交互工具，并非协作者。其实AI在医学科研和临床上能够应用的场景很多，譬如瑞金医院的谢青教授在大会上介绍的肝癌早筛与患者管理中的实践。

瑞金医院利用AI技术不仅能够精准跟进肝癌早筛相关数据，高效完成患者随访工作，还大幅优化了医患沟通交互模式，让诊疗与科研服务更加便捷。此时的AI已经升级为医护人员的协作者。

瑞金医院的专家分享过一组鲜明的对比：以往依靠微信群开展患者管理时，一名医生同时运营四五个患者微信群、服务两千名患者，往往会陷入超负荷工作的状态，工作效率极低。同时，微信群的管理模式较为粗放，无法根据不同患者的病情、身体状况开展个性化跟踪管理。

而依托AI智能体辅助管理后，所有患者的诊疗信息、病情数据都会被完整留存、系统整合，并基于患者个体差异，实现一对一的个性化病情跟踪，不仅有效扩大了患者管理规模，大幅减轻了医护人员的工作负担，节省了大量人工跟进时间，还显著提升了患者随访、病情监测的精细化质量。

《国际肝病》：在将AI智能体引入医学科研工作流程时，最大的成功经验和需要避免的误区分别是什么？

吕一平 先生：2016年，我从事网络安全研究时，开始对新能源智能网联汽车和智能驾驶系统开展过相关研究。这段跨汽车和网络安全专业领域的研究经历，让我深刻意识到跨界协作的机会和挑战，总结了跨界协作需要重点关注几个点，这同样适用于AI与医学科研的融合。

结合我长期跨领域合作与研究的经验，我总结出跨领域融合的4C理论。

第一个C是Communication（沟通）。医学与AI属于完全不同的专业领域，临床医生不熟悉AI技术原理，技术人员也不了解医学专业知识与诊疗逻辑，双方缺乏统一的沟通语言，这是跨界协作需要克服的第一个障碍。想要落地AI医学科研应用，首先要建立双向沟通的共同话语体系。

第二个C是Cross-Domain（跨界）。若想实现双向的认知互通，医学专家需要主动了解AI的核心能力与应用边界，AI技术人员也要深入熟悉医学的工作流程、专业知识和临床科研场景，通过双向理解才能更好的共创医学场景下的AI应用。

第三个C是Collaboration（协作）。在达成认知共识后，双方围绕统一目标开展深度协作。技术团队输出AI技术能力，医学专家提供临床经验、诊疗方法与专业医学知识，双方各展所长、协同落地科研与临床应用。

第四个C是Convergence（融合）。这是跨界合作的最终目标。技术人员需要深入理解医生的工作模式、临床思维、判断标准与诊疗经验，并将其转化为AI可识别、可落地的技术逻辑；同时医学界专家充分运用AI能力，实现技术与医疗场景的深度融合。

整体而言，AI赋能医学科研的核心成功经验，就是双向奔赴、深度融合。而最需要规避的误区，就是单向认知、浅层合作，仅将AI作为简单工具使用。只有双方都主动突破自己的专业边界，才能让AI真正服务于临床诊疗、提升医疗效率，最终实现救治患者、赋能医疗事业的价值。

《国际肝病》：AI虽然能解放科研人员低效劳动，但医学科研仍需重视伦理、数据合规等问题。展望未来，您认为当AI智能体真正具备一定的“专业技能”后，还需要解决哪些关键挑战？医学科研人员的能力将发生怎样的转变？

吕一平 先生：医疗数据具备高度敏感性，国家使用医疗数据有着严格的合规监管要求。很高兴看到，为了推动AI深度结合医学科研和医疗服务场景，国家在积极推动高质量医疗数据集建设，让高质量医疗数据结合AI能力产生更多的跨学科创新。因此行业发展需要兼顾合规底线与高质量医疗数据结合AI的价值挖掘，这是一个循序渐进、无法一蹴而就的过程。

互联网科研领域有成熟的经验可以参考，最近基础模型在AI Coding能力上的突飞猛进，就是因为基础模型是基于全球程序员开放共享的高质量代码数据库GITHUB来进行训练的。医学领域，目前数据碎片化问题突出，合规要求也很严格，目前这个阶段还未能形成完善、可落地应用的专业数据知识库体系。当前国家整体导向鼓励医疗AI创新发展，我们在落地过程中需要秉持“大胆探索、小心求证”的原则，稳步探索合法合规应用医疗数据、搭建适配AI应用的医疗专家知识和临床数据体系的有效路径。

其次是医学科研人员的能力栈需要增加应用AI的能力。自2022年ChatGPT V3问世，到2025年DeepSeek横空出世，AI基础模型、工程方法和应用生态的发展速度极快。AI价值落地的核心，一方面是依托高质量的医疗数据，另一方面则依靠熟知AI能力、能够落地实际应用场景的医学专业人才。

这也意味着，未来的医学科研工作者需要建立跨学科、跨领域的知识体系，具备多元融合的专业能力。只有医学从业者充分理解AI的功能与价值，才能结合临床和科研场景落地AI应用，最大化发挥AI的赋能作用。

基于这一趋势，我们计划推进医学AI基础教育建设，尝试在医学院校开设AI相关课程，助力新一代青年医学工作者系统认知、理解AI技术，构建跨学科知识体系，适配AI时代医学科研与临床诊疗的发展需求。

吕一平

上海与非智连科技 CEO，资深IT解决方案和网络安全专家

曾为微软百人技术团队负责人；后任创业公司COO。在创业公司被腾讯收购后，先后担任腾讯科恩安全实验室总监、腾讯安全总经理，完成多项国家级安全科研和演练项目，2025年创办与非智连。

（来源：《国际肝病》编辑部）

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。