李栋教授专访：临床医生的“最强大脑”，AI如何重构诊疗模式 | 心血管数智健康及创新发展会议（2025）

导语

在医疗健康领域数字化转型的浪潮中，数智技术正深刻重塑疾病研究、诊疗模式与健康管理方式。2025年12月12日-13日，“心血管数智健康及创新发展会议（2025）暨中国老年保健医学研究会数智健康分会2025年会暨清华心血管教育培训课程”在北京清华长庚医院隆重举行。此次会议聚焦“数智心未来，健康新生态” 这一前沿主题，立足前瞻视野，搭建高水平交流平台，旨在汇聚智慧、激发碰撞、共谋发展。

北京清华长庚医院李栋教授作为医学研究领域的杰出学者，在此次会议中分享了《临床大数据与AI在医学研究中的应用》这一重要主题。临床大数据蕴含着丰富的疾病信息，而AI技术则具备强大的数据分析和模式识别能力，二者的结合为医学研究开辟了崭新的路径。在临床实践中，医生们面临着海量的数据，如何有效整合、分析并利用这些数据来提升疾病诊断的准确性、优化治疗方案，是当前医学研究的关键问题。在此背景下，医脉通特邀李栋教授进行专访，以深入了解临床大数据与AI在医学研究中的具体应用场景、取得的成果以及面临的挑战，为广大医生读者提供前沿知识和实践经验，助力医学研究创新发展。

医脉通：

临床大数据来源广泛、质量参差，在应用中您如何进行数据清洗和预处理？怎样确保数据的准确性、完整性和一致性，以保障AI分析结果的可靠性？

1

李栋教授：

这是一个极具价值的问题，要妥善解答该问题，或许需从另一个视角切入，即明确数据清洗治理的目的。由于目的不同，所采用的处理方法也各有差异。

如果数据清洗治理的目的仅局限于临床应用，那么工作重点可能聚焦于提升与临床数据相关的质量，例如对缺失值进行补齐，提高数据本身的质量等。

如果数据清洗和整理的目的是服务于科研，那么就会提出更为严苛的要求。众所周知，在科研工作中，不仅要确保传统数据质量达标，还需对一些具有潜在价值的指标予以重点关注并妥善处理。这些指标在临床早期或许并非临床关注的重点，但对于探索新的治疗方法或构建更有效的预测模型而言，可能具有重要作用。

再者，就当下与人工智能紧密关联的领域而言，若数据是用于大模型训练，那么其处理方法又截然不同。此时，不仅要关注数据本身，还需深入探究数据背后蕴含的所有逻辑，如此方能充分挖掘数据的价值，使其真正发挥效用。

综上所述，此问题可简要概括为：需依据最终所需的应用场景来确定相应的处理方式。

医脉通：

从临床医生角度，这种结合能为他们的医学研究和工作带来哪些具体价值？比如是否能帮助医生更快地分析患者数据、制定个性化治疗方案，能否举例说明？

1

李栋教授：

简而言之，这确为事实。实际上，医院里许多人一直秉持这样一种观点，即医院最不缺数据，然而，事实并非如此。医院中所谓“数据”的概念，与普通医生或普通管理人员所理解的数据存在一定差异。在我们看来，医院所拥有的大量内容本质上是信息，而非真正能够用于科研、分析或训练的有效数据。

从这一层面来讲，若能借助现代信息技术手段，将医院的信息转化为切实可用的数据，必将为医生带来前所未有的助力。例如，通过数据处理提高医生的诊疗效率，将经过初步处理的信息应用于辅助诊断等，这些是目前已经能够预见到的积极影响。

但除此之外，数据的应用对医生的帮助远不止于此，它为医生构建了一种类似“最强大脑”的工作模式。过去，医疗高度依赖医生个体的经验积累，医生诊疗水平的高低很大程度上取决于其诊治病例的数量，进而形成个人独有的经验体系。而如今，随着数据的引入，除医生自身的经验外，本学科、本地区乃至全球范围内所有优秀的诊疗经验都能被整合并加以利用。这就如同为医生配备了一个除自身经验之外的“最强大脑”与“高级参谋”。

如此一来，数据对医生的帮助不仅体现在工作效率的提升上，更有可能从根本上彻底颠覆现有的诊疗模式。

医脉通：

在使用临床大数据时，如何确保患者数据的伦理和隐私问题得到妥善处理？您在研究中采取了哪些措施来保护患者权益，同时又能充分利用数据？

1

李栋教授：

在我看来，这一问题极具挑战性，原因在于AI时代与传统时代对患者隐私保护的含义存在显著差异。在AI时代来临之前（不妨称之为传统时代），我们通常采用常规手段，如脱敏、编盲等方式，去除患者的个人信息以实现隐私保护。

然而，AI时代的情况截然不同，AI具备强大的逻辑推理能力。打个不恰当的比喻，就如同我们购买一张拼图，即便因质量原因缺失了参考图样，但只要有足够的耐心反复尝试拼接，最终仍能将完整的图样拼凑出来。AI时代亦是如此，除非一个人自出生以来在社会上毫无痕迹，例如未曾参加高考、未购买医保、未办理实名制手机号等涉及个人信息的活动，否则只要在社会中留下过痕迹，且随着留痕次数的增多，凭借强大的算力，AI在一定程度上就能够将个人信息拼凑还原。

鉴于此，我们面临的关键问题在于，如何在现有架构下应对这一全新挑战，能否研发出适应AI时代的、更为先进的患者隐私保护模式，成为当下的重要课题。目前，我们正在开展相关探索，其中包括研究AI时代的病人隐私计算技术，引入区块链技术，以便在患者隐私泄露时能够精准追踪泄露的源头与环节。此外，我们还在探索一种复杂算法，一旦发现患者隐私泄露，能够安全、远程地对泄露数据进行清洗或一次性删除。尽管目前这些技术尚不成熟，但我们已经取得了一些有益的探索成果。

医脉通：

对于广大医生群体，在日常工作和学习中，应如何更好地利用临床大数据与AI技术提升自身专业能力？您有哪些具体的建议和指导？

1

李栋教授：

最为关键的是，传统模式下医护人员仅需熟练掌握医疗专业知识与临床经验即可满足工作需求，然而从当下的实际情况来看，这显然远远不够。

其一，医护人员至少应当对算法具备一定程度的了解，至少要能够理解算法所输出的结果，从而基于这些结果为诊疗工作提供参考与决策依据。

其二，除与患者进行有效沟通这一基础能力外，医护人员还需掌握一项新的能力，即能够清晰、准确地将自己的专业想法传达给数据工程师与算法工程师，通过这种跨学科的沟通协作，借助多学科交叉融合的方法，使自身的专业理念与设想得以落地实现。这一能力在过去或许并非医生必备，甚至相对欠缺，但在当下则应成为医护人员应当具备的重要素养。

医脉通：

您认为临床大数据与AI的应用对医疗健康行业会产生哪些深远影响？未来几年，这一领域将呈现出怎样的发展趋势，如新技术、新应用的涌现等？

1

李栋教授：

AI对临床产生的最大影响在于，它从根本上颠覆了传统的医疗模式。众所周知，传统医疗高度依赖医生的个人经验，医生诊治的病例越多、接触的疑难杂症越丰富，其诊疗水平往往越高。

然而，这种依赖个人经验的模式存在明显局限。一方面，受地域限制，医生难以全面掌握其他地区乃至全球的先进诊疗经验；另一方面，个人知识结构也存在固有边界，即便经验丰富，也难以穷尽所在领域的所有知识。

而AI的出现，为医生赋予了新的能力，堪称为其插上了翅膀。借助AI，医生不仅能够快速获取本地的治疗经验，更能依托其强大的分析能力，整合全球范围内该领域最优质、最前沿的成果，为自身诊疗提供高水准的参考，形成一种类似“高级参谋”的支持模式。

由此，医疗模式从单纯依赖医生个人经验，转变为人机交互模式，医生可随时与AI提供的方法进行互动，实现人机优势互补。目前，这一趋势已较为明显。

专家简介

李栋 教授

北京清华长庚医院

• 医学博士

• 现任清华大学附属北京清华长庚医院医学数据科学中心主任、研究员

• 清华大学生物工程特聘教授

• 受聘为四川大学华西医院特聘教授

撰写：Zelda

审校：李栋 教授

排版：Zelda

执行：Zelda

本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容，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。如该等信息被用于了解医学信息以外的目的，本平台不承担相关责任。本平台对发布的内容，并不代表同意其描述和观点。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。