Шэнь Хунбин: Большие модели искусственного интеллекта расширяют возможности эпидемиологических исследований
Академик Шэнь Хунбин подчеркивает роль больших моделей ИИ в прогнозировании рисков заболеваний и раннем предупреждении, а также указывает на необходимость решения проблем качества данных, интерпретируемости моделей и этики
Short Summary
На Китайском конгрессе по интегративной онкологии 2025 года академик Китайской инженерной академии, заместитель председателя Китайской ассоциации по борьбе с раком Шэнь Хунбин представил доклад о применении больших моделей искусственного интеллекта (ИИ) в эпидемиологических исследованиях. Он отметил, что большие модели ИИ значительно усиливают возможности обработки сложных данных, интеграции мультимодальных данных и прогнозирования рисков заболеваний, демонстрируя практическое применение в раннем предупреждении инфекционных заболеваний, оценке рисков хронических болезней и точных вмешательствах.
В докладе подчеркиваются три ключевых прорыва: повышение эффективности раннего предупреждения инфекционных заболеваний за счет интеллектуального сбора и анализа разнородных данных, интеграция мультимодальных данных для точной оценки рисков хронических заболеваний (например, классификация доброкачественных/злокачественных узелков в легких и прогноз выживаемости при немелкоклеточном раке легкого с помощью анализа КТ-изображений), а также переход от «пассивного реагирования» к «активной профилактике». Однако перед внедрением стоят серьезные вызовы: недостаточное качество и репрезентативность данных («изолированные данные»), низкая интерпретируемость моделей («черный ящик») и этические риски (конфиденциальность, дискриминация).
Для преодоления этих вызовов Шэнь Хунбин предлагает трехмерную стратегию: создание основы данных (унификация стандартов и безопасный обмен), разработка нормативных руководств (по аналогии с руководствами CACA по онкологии) и технологические инновации (разработка алгоритмов причинно-следственного вывода и вертикальных больших моделей для эпиднадзора, а также подготовка междисциплинарных кадров). Цель — способствовать точной и интеллектуальной модернизации системы общественного здравоохранения для поддержки инициативы «Здоровый Китай».
Усиление возможностей прогнозирования
Большие модели ИИ значительно улучшают обработку сложных данных, интеграцию мультимодальных данных и прогнозирование рисков заболеваний, находя применение в раннем предупреждении инфекций и управлении хроническими болезнями
Практические примеры эффективности
Мультимодальные визуальные языковые модели на основе анализа КТ демонстрируют превосходство над традиционными алгоритмами в классификации узелков в легких и прогнозе выживаемости при раке легкого
Ключевые вызовы внедрения
Основными препятствиями являются разрозненность и низкое качество медицинских данных, недостаточная интерпретируемость моделей («черный ящик») и этические риски, связанные с конфиденциальностью и алгоритмической дискриминацией
Стратегия развития
Предложен трехмерный подход: унификация стандартов данных и безопасный обмен, разработка нормативных руководств для применения ИИ в эпидемиологии и технологические инновации, направленные на повышение интерпретируемости и создание специализированных моделей
Text generated using AI
Источник:
Журнал медицинских наук
