鄭海榮：生命與智能融合，醫療正走向“全景洞察”

在科技自立自強與民生福祉深度融合的時代浪潮下，醫療范式正經歷從“單點診治”到“全景洞察”的根本性變革——影像從“靜態拍照”升級為“動態攝像”，AI通過個人“數字孿生”實現疾病預測，醫生經驗被轉化為可復制的智能算法，最終通過腦機接口實現碳基智慧與硅基算力的融合，開啟人機共生的健康管理新時代。

今日，中國科協之聲與您共同走進國家科技傳播中心學術發展講堂，聽聽儀器儀表與傳感專家鄭海榮如何解碼生命與智能的未來“羅盤”→

國家科技傳播中心學術發展講堂

國家科技傳播中心學術發展講堂是中國科協著力打造的一檔學術欄目，突出前沿性、思辨性和傳播性，面向科技工作者尤其是青年科技工作者，傳播學術領域的前沿發展動態。講堂持續邀請戰略科學家、一流科技領軍人才和創新團隊，講述突破傳統的前沿探索、卓有成效的改進方法、顛覆認知的創新理論以及改寫行業規則的研究成果。

人物簡介

鄭海榮，儀器儀表與傳感專家，中國科學院院士、南京大學副校長、醫學成像科學與技術系統全國重點實驗室主任。主要從事醫學成像、腦機接口研究。

告別“盲人摸象”：AI推動醫學影像從“看清楚”走向“看透徹”

醫學領域的數據具有實時性、復雜性、海量性、多樣性和多源性等特征。從基因、蛋白、組學到病理、影像、生化、生理，現代醫學產生了前所未有的多模態數據。這些數據不僅規模巨大，更蘊含著人體結構與功能的深刻規律，為人工智能的應用提供了理想的土壤。

醫療數據的特點

人工智能在生物醫學領域展現出了極強的穿透性，有望在疾病發病機制研究、診斷、治療及個性化健康管理的全鏈條中發揮重要作用。但目前其介入仍面臨若干挑戰：生物醫學數據極其復雜，形式多樣，且多為伴隨生命活動實時產生的動態數據。當前的AI模型在處理如此復雜的數據時仍顯稚嫩，但潛力巨大，發展空間廣闊。

從靜態到動態：醫學影像的百年跨越

自倫琴發現X射線以來的130年間，醫學影像技術經歷了從“看清輪廓”到“捕捉動態”的革命性跨越。

倫琴與X射線的發現

“醫學影像正在實現從‘靜態拍照’到‘動態攝像’的根本轉變。”鄭海榮指出。傳統的CT、磁共振如同照相機，只能捕捉器官的某個瞬間狀態；而新一代“攝像磁共振系統”則如同攝像機，能夠記錄下心臟跳動的完整過程，甚至看清心肌微循環的血流動態。這種轉變的核心驅動力，正是人工智能與成像技術的深度融合。

AI賦能磁共振成像

數據困境與智能破局：為什么每次掃描都要“從零開始”？

走進任何一家醫院，你都會發現一個現象：即使患者上周剛做過CT檢查，這周仍需重新接受全套掃描。海量的歷史影像數據靜靜地躺在服務器里，未被有效利用。

傳統影像面臨兩大瓶頸。硬件局限：盡管“光子計數”等新技術降低了CT輻射劑量，但物理層面的提升空間有限。數據浪費：每次檢查都從零開始，生成獨立的數據片段，不同時間點的影像如同孤島，無法串聯分析。

這正是人工智能的用武之地。通過深度學習算法，AI能夠從海量歷史影像中學習人體器官的深層特征與規律，實現對掃描過程的“智能加速”。具體而言，AI能夠在保證診斷精度的前提下，顯著減少所需采集的原始數據量，并智能重建出高質量圖像。

磁共振快速成像的發展：從模型到智能

“具身智能”：當超聲機器人獲得“老專家”的經驗

超聲科是醫院里最典型的勞動密集型科室。醫生需要手持探頭在患者身上反復移動，尋找最佳掃描切面，然后手動測量、記錄、撰寫報告——整個過程高度依賴個人經驗。

如今，人工智能的介入正從根本上改變這一現狀。其終極形態是“具身智能”——將超聲設備與機器人技術融合，使機器能夠像經驗豐富的專家一樣，自主、精準地完成掃描、診斷全流程。這不僅保證了掃描質量的穩定性，又將資深醫師積淀數十年的“生物智能模型”轉化為可復制、可迭代的算法模型。

超聲AI的典型算法

從“數字孿生”到“全景洞察”：醫療的未來圖景

當前，我們的醫療數據正以前所未有的速度增長，影像學、病理學、基因組學等數據構成了龐大的信息洪流，這讓傳統的診療模式不堪重負。破局之道在于構建“通用診療大模型”。

這一模型將為每個人創建動態成長的“數字孿生”——一個融合了你從出生到老年全生命周期數據，甚至包含家族遺傳信息的虛擬健康體。這個“數字孿生”能夠綜合分析你的基因組、蛋白質組等多維度信息；動態監測健康狀況的微小變化；提前預警潛在風險：“你的斑塊開始生長，需要注意血脂了”。

其核心價值在于打破信息孤島，實現全局評估。通過海量參數整合多維度信息，克服單一數據的局限性與極端性，提供更全面、更精準的決策支持，引領醫學從一個依賴片段化信息的“盲人摸象”時代，邁向一個全景式、預見性的智能健康管理新時代。

邁向“阿凡達”時代：腦機接口的終極形態

理解人類大腦是人工智能發展的必然路徑。當前基于硅基計算的人工智能雖然在數據處理上表現出色，但其“智能”缺乏情感與真正的理解能力。電影《阿凡達》中通過神經接口實現“心神合一”的設想，預示了這一領域的核心方向：不是大腦與計算機的簡單連接，而是通過物理媒介讀寫大腦信息，實現腦與腦之間信息的直接傳輸通訊。這為超越傳統“腦機接口”概念的腦際通訊提供了宏大圖景。

《阿凡達》電影中神經接口

事實上，我們早已身處腦機接口的初級階段：手機屏幕是我們的觸覺接口、眼睛是視覺接口、耳朵是聽覺接口，這些“接口”持續將外部信息輸入大腦。

當前主流的腦機接口技術主要通過侵入式電極“讀取”大腦信號，幫助殘疾人控制外部設備。但真正的突破在于實現雙向、無損的“讀寫”機制——既能解讀思維活動，又能將信息“寫入”大腦。

腦際通訊

“神經打印機”概念的提出，正是基于這一愿景。利用聲、光、磁等物理場無創調控大腦中的納米級離子通道，實現外部信息的直接“寫入”。這不僅可治療癲癇、抑郁癥等腦疾病，更可能重塑人類獲取知識的方式。為了更精確地“讀取”神經信號，我們開發了“蠕蟲電極”等新型柔性侵入式接口，它能以極小損傷實現腦內長期穩定的信號記錄。

未來AI：數據智能→物理智能→生物智能

當前人工智能仍處于“數據智能”的初級階段，而未來人工智能的終極形態將是碳基智慧與硅基算力的深度融合。我們每個人都擁有一臺強大的“生物計算機”——大腦。通過腦機接口等變革性技術，讓人類生物智能如同算力一樣被調用、傳輸與賦能，這實現的將不只是體力的延伸，更是智力本身的范式革命——一個真正意義上的人工智能時代，將從人機共生的新范式開始。

對談環節，中國計算機學會數字醫學分會秘書長張彤作為主持嘉賓，與鄭海榮院士、復旦大學特聘教授宋志堅、北京安貞醫院主任醫師何怡華、浙江大學求是特聘教授吳健深度對話，圍繞醫學成像的未來驅動力、腦機智能與大模型融合、數據孤島與倫理信任、交叉人才培養等議題展開了詳細討論和交流。

宋志堅

中國計算機學會數字醫學分會主任

復旦大學特聘教授

腦機接口正從輔助工具演進為探索人腦的科學窗口，這一轉變得益于大模型的融入。面對隨之而來的算力挑戰，未來需要構建“大小模型協同”的路徑：大模型建模以及算力方面持續投入，小模型則以低耗高效的特性推動技術實用化，構建一個以大模型為基石、小模型為觸手的協同生態。

何怡華

中國計算機學會數字醫學分會副主任

北京安貞醫院主任醫師

人工智能以其遠超人類的“超級智商”，正成為改變世界的關鍵力量，甚至能反過來攻克困擾我們的硬件瓶頸。而其真正的價值必須在臨床實踐中檢驗，嚴格以解決真實臨床痛點為導向，并建立與臨床場景和目標緊密掛鉤的評價體系，確保其價值的安全、有效實現。

吳健

中國計算機學會理事

浙江大學求是特聘教授

AI通過在圖像重建、降噪增強、低劑量掃描等方面的強大能力，直接提升了成像的質量、安全性與效率。但更根本的是成像范式的改變：從追求“看得更清”的物理清晰度，轉向挖掘“看得更懂”的信息深度，并與疾病預后、良惡性等建立聯系。將國家級醫療大數據體系建設提升至基本國策的高度，是搶占人工智能時代醫學研究制高點的關鍵。但須著力構建統一的數據標準與規范，并建立公平的利益共享機制，從根本上解決數據孤島與共享動力問題。