【前言】2023年，北京大学正式启动临床科学家培养计划，旨在创新医学高端人才培养模式，提升临床医生科技创新水平。为全面深度整合“临床-基础”相关资源，优化临床科学家计划培养体系，推动“医学+X”不断向纵深发展，医学部学科办常态化开展临床科学家培养计划“大课堂”系列工作，邀请医学与生命科学及相关领域顶尖科学家进行授课辅导，为优秀临床青年医师搭建学术交流、思维启迪、技能提升的良好平台，以“人才质量”提升赋能学科建设。

2025年4月10日下午，北京大学临床科学家培养计划“大课堂”第十一讲在北大医学科创中心举行。本次“大课堂”特邀北京大学博雅特聘教授、软件工程国家工程研究中心副主任、教育部长江学者王亚沙以“医疗数据分析中的人工智能模型与系统”为主题，深入解析人工智能模型在电子病历、医学知识库等医疗数据分析中的实践路径，揭示了AI对医学研究的赋能价值，并针对AI+医学的挑战与前景提出了未来展望。

电子病历（EHR）作为患者健康状态的多模态载体，深度融合文本、影像及时序数据等多维度信息，其高复杂性、小样本特征与数据噪声并存，成为临床医学研究与诊疗实践中极具价值的核心资源。王亚沙教授指出，随着医疗信息化发展，基于电子病历的AI模型已成为学术界与产业界的研究热点，诊断优化、预后预测以及治疗决策是当下面向电子病历的AI模型主要聚焦的三大方向。

在医学知识建模领域，王教授结合团队研究成果，系统梳理了深度学习技术的演进脉络。他以课题组研发的医学知识模型为例，用深入浅出的讲解，打破学科壁垒，带领现场的医学科研人员理解了自监督学习、Transformer架构及高性能算力的发展如何推动垂域大模型在医疗场景的落地。

针对医疗AI向临床深度转化面临的挑战，王亚沙教授系统性提出了五大破局路径：一是可解释性增强——明确模型决策逻辑，建立医生与AI的信任桥梁；二是多模态数据融合——突破文本、影像、基因数据的异构壁垒；三是跨中心迁移学习——在保障隐私前提下，实现多机构数据特征对齐；四是精准临床支持——推动AI从辅助诊断向实时决策支持升级；五是知识与病历双驱动——结合真实病历的个性化诊疗与医学知识库的全局洞察，破解小样本训练难题。

在问答环节，与会者围绕“AI技术临床转化”、“跨学科合作模式”等话题展开热烈讨论。王教授强调，医疗AI的落地需兼顾技术创新与伦理规范，并呼吁加强医院、高校与企业协同，共同构建开放共享的医疗数据生态。期待在“北大医学+X”学科交叉的背景下，推动AI技术深度融入临床诊疗与科研创新，让AI+医学碰撞出更多火花。

北京大学医学部学科建设办公室临床科学家培养计划“大课堂”系列活动常态化举行。敬请持续关注！

医学部学科建设办公室