中国食品药品网讯  生成式AI在医疗健康领域的应用日益广泛，如何获得高质量的数据成为推动生成式AI大模型发展的瓶颈。“要想快速将生成式AI大模型应用于临床实践，研究者在从公开领域获得数据的同时，还需要进一步同医院和工业界建立紧密合作，以进一步扩大数据来源。” 6月27日，上海科技大学生物医学工程学院创始院长沈定刚在生成式AI在医疗领域的应用研讨会上如是强调。

图为生成式AI在医疗领域的应用研讨会线下会场（徐行摄）

　　随着AI技术的发展，生成式AI以更加革新的技术和场景化应用，为医疗发展注入了新的动能。东南大学生物科学与医学工程学院教授万遂人介绍，生成式AI在医疗健康领域的应用场景涵盖多个方面，如通过分析海量医疗数据生成疾病预测模型，提高预防和治疗效果；基于患者的基因信息、生活习惯等数据，生成超个性化诊疗方案；助力药物研发和生产，提高新药研发速度和成功率。

　　但寻求快速推进生成式AI大模型在医疗健康领域的深入应用，数据资源必不可少。

　　上海交通大学副教授谢伟迪指出，生成式AI大模型的训练需要大规模数据“投喂”。同时，医药领域的高度专业性和复杂性，也对用于训练模型的先验知识提出了极高要求。

　　据介绍，当前用于生成式AI大模型训练的数据资源主要来源于公开数据及私域。但当前医药健康领域的公开数据相对较少。从私域获取数据成为训练生成式AI大模型的关键。

　　“医院内部拥有丰富、高质量、多样化的医疗数据，这些源自私域领域的数据资源能为构建和验证有效的生成式AI大模型提供坚实支撑。”沈定刚认为，同时，与医院开展合作也能帮助模型研究者更为深入地了解临床医学中的难点、痛点及实际需求，确保模型的研究成果切实转化为临床实践中的有效解决方案。

　　沈定刚进一步指出，在这一过程中，工业界的资源也同样重要。只有多方协作，才能有更多高质量的生成式AI大模型落地。

　　据悉，本次研讨会由中国生物医学工程学会医学人工智能分会主办，采用线上、线下相结合的方式，吸引了约2400人参会。

　　中国科学技术大学生物医学工程学院执行院长周少华在会上围绕生成式人工智能在医学影像的探索，介绍了一种将结合生成式AI和判别式AI相结合的应用方法，采用因果建模的方式，对医学影像、患者信息等多模态临床数据进行整合和分析，从而为临床诊断和决策提供支持。

　　其他与会嘉宾结合自身研究进展，对多模态医疗影像基础模型，人体运动-神经系统的动力学建模、学习与控制，多模态生物医药大模型等话题进行分享。（刘鹤）

(责任编辑：常靖婕)