郑海荣：生命与智能融合，医疗正走向“全景洞察”

在科技自立自强与民生福祉深度融合的时代浪潮下，医疗范式正经历从“单点诊治”到“全景洞察”的根本性变革——影像从“静态拍照”升级为“动态摄像”，AI通过个人“数字孪生”实现疾病预测，医生经验被转化为可复制的智能算法，最终通过脑机接口实现碳基智慧与硅基算力的融合，开启人机共生的健康管理新时代。

今日，中国科协之声与您共同走进国家科技传播中心学术发展讲堂，听听仪器仪表与传感专家郑海荣如何解码生命与智能的未来“罗盘”→

国家科技传播中心学术发展讲堂

国家科技传播中心学术发展讲堂是中国科协着力打造的一档学术栏目，突出前沿性、思辨性和传播性，面向科技工作者尤其是青年科技工作者，传播学术领域的前沿发展动态。讲堂持续邀请战略科学家、一流科技领军人才和创新团队，讲述突破传统的前沿探索、卓有成效的改进方法、颠覆认知的创新理论以及改写行业规则的研究成果。

人物简介

郑海荣，仪器仪表与传感专家，中国科学院院士、南京大学副校长、医学成像科学与技术系统全国重点实验室主任。主要从事医学成像、脑机接口研究。

告别“盲人摸象”：AI推动医学影像从“看清楚”走向“看透彻”

医学领域的数据具有实时性、复杂性、海量性、多样性和多源性等特征。从基因、蛋白、组学到病理、影像、生化、生理，现代医学产生了前所未有的多模态数据。这些数据不仅规模巨大，更蕴含着人体结构与功能的深刻规律，为人工智能的应用提供了理想的土壤。

医疗数据的特点

人工智能在生物医学领域展现出了极强的穿透性，有望在疾病发病机制研究、诊断、治疗及个性化健康管理的全链条中发挥重要作用。但目前其介入仍面临若干挑战：生物医学数据极其复杂，形式多样，且多为伴随生命活动实时产生的动态数据。当前的AI模型在处理如此复杂的数据时仍显稚嫩，但潜力巨大，发展空间广阔。

从静态到动态：医学影像的百年跨越

自伦琴发现X射线以来的130年间，医学影像技术经历了从“看清轮廓”到“捕捉动态”的革命性跨越。

伦琴与X射线的发现

“医学影像正在实现从‘静态拍照’到‘动态摄像’的根本转变。”郑海荣指出。传统的CT、磁共振如同照相机，只能捕捉器官的某个瞬间状态；而新一代“摄像磁共振系统”则如同摄像机，能够记录下心脏跳动的完整过程，甚至看清心肌微循环的血流动态。这种转变的核心驱动力，正是人工智能与成像技术的深度融合。

AI赋能磁共振成像

数据困境与智能破局：为什么每次扫描都要“从零开始”？

走进任何一家医院，你都会发现一个现象：即使患者上周刚做过CT检查，这周仍需重新接受全套扫描。海量的历史影像数据静静地躺在服务器里，未被有效利用。

传统影像面临两大瓶颈。硬件局限：尽管“光子计数”等新技术降低了CT辐射剂量，但物理层面的提升空间有限。数据浪费：每次检查都从零开始，生成独立的数据片段，不同时间点的影像如同孤岛，无法串联分析。

这正是人工智能的用武之地。通过深度学习算法，AI能够从海量历史影像中学习人体器官的深层特征与规律，实现对扫描过程的“智能加速”。具体而言，AI能够在保证诊断精度的前提下，显著减少所需采集的原始数据量，并智能重建出高质量图像。

磁共振快速成像的发展：从模型到智能

“具身智能”：当超声机器人获得“老专家”的经验

超声科是医院里最典型的劳动密集型科室。医生需要手持探头在患者身上反复移动，寻找最佳扫描切面，然后手动测量、记录、撰写报告——整个过程高度依赖个人经验。

如今，人工智能的介入正从根本上改变这一现状。其终极形态是“具身智能”——将超声设备与机器人技术融合，使机器能够像经验丰富的专家一样，自主、精准地完成扫描、诊断全流程。这不仅保证了扫描质量的稳定性，又将资深医师积淀数十年的“生物智能模型”转化为可复制、可迭代的算法模型。

超声AI的典型算法

从“数字孪生”到“全景洞察”：医疗的未来图景

当前，我们的医疗数据正以前所未有的速度增长，影像学、病理学、基因组学等数据构成了庞大的信息洪流，这让传统的诊疗模式不堪重负。破局之道在于构建“通用诊疗大模型”。

这一模型将为每个人创建动态成长的“数字孪生”——一个融合了你从出生到老年全生命周期数据，甚至包含家族遗传信息的虚拟健康体。这个“数字孪生”能够综合分析你的基因组、蛋白质组等多维度信息；动态监测健康状况的微小变化；提前预警潜在风险：“你的斑块开始生长，需要注意血脂了”。

其核心价值在于打破信息孤岛，实现全局评估。通过海量参数整合多维度信息，克服单一数据的局限性与极端性，提供更全面、更精准的决策支持，引领医学从一个依赖片段化信息的“盲人摸象”时代，迈向一个全景式、预见性的智能健康管理新时代。

迈向“阿凡达”时代：脑机接口的终极形态

理解人类大脑是人工智能发展的必然路径。当前基于硅基计算的人工智能虽然在数据处理上表现出色，但其“智能”缺乏情感与真正的理解能力。电影《阿凡达》中通过神经接口实现“心神合一”的设想，预示了这一领域的核心方向：不是大脑与计算机的简单连接，而是通过物理媒介读写大脑信息，实现脑与脑之间信息的直接传输通讯。这为超越传统“脑机接口”概念的脑际通讯提供了宏大图景。

《阿凡达》电影中神经接口

事实上，我们早已身处脑机接口的初级阶段：手机屏幕是我们的触觉接口、眼睛是视觉接口、耳朵是听觉接口，这些“接口”持续将外部信息输入大脑。

当前主流的脑机接口技术主要通过侵入式电极“读取”大脑信号，帮助残疾人控制外部设备。但真正的突破在于实现双向、无损的“读写”机制——既能解读思维活动，又能将信息“写入”大脑。

脑际通讯

“神经打印机”概念的提出，正是基于这一愿景。利用声、光、磁等物理场无创调控大脑中的纳米级离子通道，实现外部信息的直接“写入”。这不仅可治疗癫痫、抑郁症等脑疾病，更可能重塑人类获取知识的方式。为了更精确地“读取”神经信号，我们开发了“蠕虫电极”等新型柔性侵入式接口，它能以极小损伤实现脑内长期稳定的信号记录。

未来AI：数据智能→物理智能→生物智能

当前人工智能仍处于“数据智能”的初级阶段，而未来人工智能的终极形态将是碳基智慧与硅基算力的深度融合。我们每个人都拥有一台强大的“生物计算机”——大脑。通过脑机接口等变革性技术，让人类生物智能如同算力一样被调用、传输与赋能，这实现的将不只是体力的延伸，更是智力本身的范式革命——一个真正意义上的人工智能时代，将从人机共生的新范式开始。

对谈环节，中国计算机学会数字医学分会秘书长张彤作为主持嘉宾，与郑海荣院士、复旦大学特聘教授宋志坚、北京安贞医院主任医师何怡华、浙江大学求是特聘教授吴健深度对话，围绕医学成像的未来驱动力、脑机智能与大模型融合、数据孤岛与伦理信任、交叉人才培养等议题展开了详细讨论和交流。

宋志坚

中国计算机学会数字医学分会主任

复旦大学特聘教授

脑机接口正从辅助工具演进为探索人脑的科学窗口，这一转变得益于大模型的融入。面对随之而来的算力挑战，未来需要构建“大小模型协同”的路径：大模型建模以及算力方面持续投入，小模型则以低耗高效的特性推动技术实用化，构建一个以大模型为基石、小模型为触手的协同生态。

何怡华

中国计算机学会数字医学分会副主任

北京安贞医院主任医师

人工智能以其远超人类的“超级智商”，正成为改变世界的关键力量，甚至能反过来攻克困扰我们的硬件瓶颈。而其真正的价值必须在临床实践中检验，严格以解决真实临床痛点为导向，并建立与临床场景和目标紧密挂钩的评价体系，确保其价值的安全、有效实现。

吴健

中国计算机学会理事

浙江大学求是特聘教授

AI通过在图像重建、降噪增强、低剂量扫描等方面的强大能力，直接提升了成像的质量、安全性与效率。但更根本的是成像范式的改变：从追求“看得更清”的物理清晰度，转向挖掘“看得更懂”的信息深度，并与疾病预后、良恶性等建立联系。将国家级医疗大数据体系建设提升至基本国策的高度，是抢占人工智能时代医学研究制高点的关键。但须着力构建统一的数据标准与规范，并建立公平的利益共享机制，从根本上解决数据孤岛与共享动力问题。