“AI大模型顯著增強了復雜數據處理、多模態數據融合和疾病風險預測能力，并展示了其在傳染病預警和慢性病風險評估和精準干預中的實際應用。”
在2025中國整合腫瘤學大會上，中國工程院院士、中國抗癌協會副理事長沈洪兵發表了《人工智能大模型與流行病學研究》主旨報告。
報告探討了AI大模型技術為流行病學研究帶來的機遇，闡述了其在健康醫療大數據整合、疾病病因探索及風險預測中的應用前景與挑戰。
沈洪兵強調，在AI大模型應用于流行病學研究時需關注數據質量、數據共享、模型可解釋性和倫理等問題，并呼吁制定相關指南規范，推動成果轉化。
應用突破：多場景解鎖流行病學研究新范式
沈洪兵指出，AI大模型憑借復雜數據處理、多模態數據融合及高精度風險預測三大核心能力，已在傳染病防控與慢性病管理領域實現關鍵突破。
在傳染病預警方面，傳統監測依賴衛生系統上報數據存在滯后性，而AI大模型通過多源數據智能化采集和分析可顯著提升預警效率，實現實時抓取關鍵數據、及時分析預警的效能提升，同時追蹤并預警病原體變異和免疫逃逸、致病力等關鍵信息。
在慢性病研究領域，AI大模型的多模態數據整合能力展現顯著優勢。沈洪兵強調，基于電子健康檔案等多源數據訓練的AI模型，在疾病風險評估中已展現精準性優勢。
例如在腫瘤研究中，多模態視覺大語言模型通過CT影像分析，可實現肺結節良惡性分類、非小細胞肺癌預后預測等任務，且能動態監測結節變化趨勢，性能優于傳統算法。
核心挑戰：數據、可解釋性與倫理的三重考驗
盡管應用前景廣闊，沈洪兵明確指出AI大模型在流行病學應用中仍面臨三大核心挑戰。
數據質量與代表性首當其沖，我國健康醫療大數據分散在不同機構，存在“數據孤島”問題，且各機構數據標準不一，多源數據在格式、質量等方面存在差異，導致模型訓練數據質量和代表性不足，進一步影響模型效能。
模型可解釋性不足，成為臨床轉化的關鍵瓶頸。沈洪兵強調，當前多數大模型的構建仍屬于“黑箱”系統，即便通過可視化方法解析，其內部決策機制和過程仍難以完全闡明，這與流行病學研究對因果推斷的嚴謹性要求存在差距。
倫理風險同樣不容忽視，個體健康數據隱私保護、風險預測結果可能引發的數據安全、就業或保險歧視，以及算法公平性等問題，均需建立完善的監管框架。
發展路徑：指南規范與技術創新雙輪驅動
針對上述挑戰，沈洪兵提出“數據筑基、規范引領、技術突破”的三維發展策略。
數據層面，需推動高質量健康醫療大數據整合共享，通過建立統一標準實現電子健康檔案、影像數據、組學數據的多維數據整合和跨機構互通共享，同時強化數據脫敏技術應用以平衡利用與數據安全和隱私保護。
規范建設方面，沈洪兵呼吁加快制定AI流行病學應用指南，參考《中國腫瘤整合診治指南》（CACA指南）等的推廣經驗，明確數據采集標準、模型驗證流程及轉化應用規范和標準。
技術創新層面，應重點攻關流行病學因果推斷算法與可解釋性模型技術，開發疾控領域垂直大模型體系，同時加強“AI+流行病學”復合型人才培養，構建醫研協同創新平臺。
沈洪兵強調，AI大模型為流行病學研究帶來的不僅是技術革新，更是從“被動響應”向“主動防控”的范式轉變。通過規范引導與技術突破，有望推動傳染病預警和慢性病防控等公共衛生領域實現精準化、智能化升級，為健康中國建設提供核心技術支撐。
本文鏈接：沈洪兵院士：人工智能大模型賦能流行病學研究http://www.sq15.cn/show-11-28488-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 我國專家BMJ發文：“雙靶雙化”為難治性腸癌人群首選
下一篇： 這些學生大半時間在企業解決真實問題