数智赋能，医创未来——AI/数智化赋能临床研究创新专场顺利举行

　　2026年7月19日，首届医药协同创新大会“AI/数智化赋能临床研究创新”专场（以下简称“专场”）在北京中关村国际创新中心成功举办。作为大会聚焦AI/数智化与临床诊疗融合的核心专场，集结了来自协和、北大一院、北大六院、安贞、妇产等顶级医疗机构的临床医生及科学家，携14个前沿项目集中亮相，系统展示了AI/数智化在诊疗与科研中的最新突破。

　　专场设上午和下午两个半场，覆盖精神心理、围术期管理、妇儿健康、精准治疗、免疫治疗等多个临床场景。上午的专场由启明创投副总裁黄硕主持，与首都医科大学附属北京安贞医院研究型病房主任林阳、辉瑞中国研发开放创新中心负责人陈墨、晶泰科技外部创新及投资负责人廖永合珊共同担任协同对话嘉宾；下午由上海临床研究中心主任（院长）朱畴文主持，与首都医科大学附属北京积水潭医院临床试验机构管理办公室主任王美霞、加科思药业临床开发执行副总裁丁瑜莉共同担任协同对话嘉宾。项目团队与临床、资本、产业三方展开深度对话，锚定研究成果探讨转化落地的可行路径。

　　01

　　基于认知行为疗法的抑郁症治疗数字产品优化

　　北京大学第六医院副研究员孙瑶瑶率先带来“基于认知行为疗法的抑郁症治疗数字产品优化”项目。该项目构建了覆盖“筛查—诊断—干预—随访”全流程的AI精神健康管理体系。筛查端，团队建立了国内规模最大的普通话抑郁症语音样本库，以DSM-5结构化诊断（而非自测量表）为金标准，开发出目前唯一经真实世界临床验证、准确率达80%的语音AI抑郁预测模型；干预端，研发了基于互联网的认知行为疗法（iCBT）数字化处方，并结合个性化运动处方与智能随访模块，将循证心理治疗标准化、产品化，有效突破专业治疗师短缺瓶颈，大幅提升非药物干预的可及性。

　　02

　　人工智能驱动综合静观系统

　　首都医科大学附属北京回龙观医院正念静观医学中心执行主任武雅学介绍了“人工智能驱动综合静观系统”。人工智能驱动综合静观系统（AI-DIMS）可实现标准化、规模化、低成本干预，契合如今社会焦虑抑郁障碍发病率升高、社会需求高的特点。该项目包含三大子系统：（1）90秒抗压能力监测：通过动态图像刺激，捕捉面部微表情、眼球实时运动轨迹与自主神经等相关生理数据进行智能分析；（2）AI数字人智能引导：数字人平台与患者提供互动诊断和初级共情与探询，进行情绪训练；（3）VR静观神经调控系统：通过VR以及脑机接口感受患者的生理数据反馈到VR实景演练，达到身心复健效果。未来子系统整合后可实现在住院式静观治疗（IMBT）或门诊开展动态、远程干预的作用。

　　03

　　基于耳机式多模态生理信号的阻塞性睡眠呼吸暂停智能筛查研究

　　北京大学第六医院助理研究员王三旺分享了“基于耳机式多模态生理信号的阻塞性睡眠呼吸暂停智能筛查研究”。该项目突破了传统OSA筛查依赖下游表征（如血氧下降）的局限，创新性地将耳道压力变化作为感知上气道阻塞与呼吸力学异常的外周生理窗口，并融合耳道脑电所反映的睡眠状态变化及鼾声所携带的声学阻塞特征，构建起多模态耦合的OSA早期筛查新范式。与传统路径关注"事件发生后"的低氧结果不同，该方案更强调对呼吸阻塞过程中动态生理变化的实时捕捉。目前，团队正将这套技术方案集成于可穿戴设备，同步搭载智能算法与临床评估模块，推动OSA筛查从被动识别走向主动预警。

　　04

　　多模态数智技术赋能精神疾病精准干预与疗效评估

　　北京大学第六医院副研究员袁凯带来“多模态数智技术赋能精神疾病精准干预与疗效评估”项目。该团队聚焦精神疾病病耻感强、早期识别难的问题，主推非药物干预：一是阈下抑郁运动干预，通过自研手环等可穿戴设备监测生理指标，提供个体化运动建议，成本可控且可居家推广；二是孤独症双靶点神经调控，采用无创tACS技术，规避药物副作用。目前，已初步构建从体表生理信号监测到脑功能评估与神经调控的完整技术链条，为精神神经疾病数智化诊疗的临床应用与产业转化提供了新思路。

　　05

　　嗜铬细胞瘤/副神经节瘤围术期智慧管理数字麻醉医生智能体

　　中国医学科学院北京协和医院住院医师马也分享的是“嗜铬细胞瘤/副神经节瘤围术期智慧管理数字麻醉医生智能体”。针对PPGL切除术中血压心率剧烈波动、术前缺乏精准分层、术中缺乏实时预警的临床困境，依托亚洲最大单中心队列（848例），构建了覆盖术前评估到术中预警的全周期智能管理体系，包含两个子项目：一是术前麻醉评估与风险分层的智能体，通过无监督聚类首次识别两种血流动力学特征分型，建立含6个变量的预测模型（AUC 0.85），并融合大语言模型开发术前麻醉评估智能体；二是术中血流动力学实时预测预警智能体，基于LSTM+TCN深度学习算法，构建可提前60秒预测高血压、低血压及心动过速事件的实时预警模型，实现从“被动应对”到“前瞻预判”的转变。

　　06

　　基于CT体成分分析的表型识别用于老年患者术中低血压风险预测

　　中国医学科学院北京协和医院住院医师王嫣冰石分享了“基于CT体成分分析的表型识别用于老年患者术中低血压风险预测：一项两阶段队列研究”。聚焦老年全麻患者术中低血压高发且危害严重,且现有身体质量指数（BMI）评估难以反映机体生理储备。依托协和回顾性与前瞻性队列，利用深度学习分割术前腹部CT，量化脂肪、肌肉、骨密度等体成分，构建并验证了CT体成分表型与术中低血压及术后转归的关联。突破BMI局限，从身体结构异质性解释围术期“肥胖悖论”，填补老年患者CT体成分表型与IOH关联研究空白；原创性提出“影像体成分表型反映生理储备并影响血流动力学稳定性”的理论框架，并转化为临床可及指标预测模型，服务精准预警与管理优化。

　　07

　　实时人工智能辅助妊娠早期胎儿

　　超声智能化质控系统的构建

　　及多中心临床创新应用

　　首都医科大学附属北京妇产医院超声博士研究生朱燕彤分享了“实时人工智能辅助妊娠早期胎儿超声智能化质控系统的构建及多中心临床创新应用”。11-14周是NT筛查的关键窗口期，但早孕期胎儿小、结构细、胎位变化快，标准切面高度依赖操作者经验，基层及高负荷场景下更难获得专家级质控支持。团队围绕头臀长、脉络丛、颈项透明层及脐带腹壁入口四个核心切面，构建了实时人工智能辅助妊娠早期胎儿超声质量控制模型。该项目原创性提出解剖结构感知的多模态质控理论与评分体系，可显著提升基层医疗机构的筛查能力，对推动我国超声智能化质控体系建设、助力早孕期筛查的科学化与精准化具有重要意义。

　　08

　　视听多模态融合的儿童功能性语音障碍智能筛查系统

　　首都医科大学附属首都儿童医学中心所长助理、保健中心主任王琳介绍了“视听多模态融合的儿童功能性语音障碍智能筛查系统”。功能性语音障碍的早期精准评估是干预诊疗的核心前提，当前国内临床诊断评估效率低下、误诊漏诊风险突出等局限，团队创新融合音频声学、视频唇舌运动及人口学信息三模态数据，构建了从标准化视听材料库、多模态采集到双阶段分类模型的全链路智能筛查系统。儿童观看图片发音，系统同步采集并实时分析，输出“正常/障碍”判定并对确诊患儿细分7种构音错误类型，将主观经验评估升级为客观智能筛查，为功能性语音障碍的早期发现与精准干预提供了高效解决方案。

　　09

　　面向儿童颅内生殖细胞肿瘤的端到端化疗响应智能预演与手术时机决策系统

　　清华大学玉泉医院医师张治华分享了“面向儿童颅内生殖细胞肿瘤的端到端化疗响应智能预演与手术时机决策系统”。面对儿童颅内生殖细胞肿瘤（iGCTs）术前化疗响应难预测、深部病灶活检风险高、手术与二次探查时机难判断的临床急需，原创提出“虚拟演变”理论与VTRS评分体系，基于孪生网络、2.5D Swin Transformer、Longformer多模态融合及临床生化数据，在治疗前推演化疗后肿瘤时空变化，输出响应概率、3D热图和结构化决策建议。有助于填补iGCTs无创动态预演、空间可解释评估和端到端临床产品空白，减少非必要活检与过度治疗，辅助精准分层和个体化手术决策。

　　10

　　DesNP：单细胞网络扰动AI解码器——赋能免疫治疗精准预测与临床决策

　　北京大学第一医院副研究员张秀丽介绍了“DesNP：单细胞网络扰动AI解码器——赋能免疫治疗精准预测与临床决策”。首次开发的基于单细胞数据的深度学习模型DesNP，在算法层面，创新融合对比学习与独创中心对齐损失函数，成功实现单细胞-单基因分辨率网络扰动（NP）状态的精准解卷积。这一突破克服了传统基因变异方法无法反映表型效应的局限，将研究视角从基因突变转向网络功能扰动；在应用层面，DesNP解析的NP模式不仅可揭示肿瘤耐药与免疫逃逸的进化轨迹，更拓展至自身免疫病、年龄相关免疫衰退等泛疾病场景，发现跨器官损伤的上游共性免疫紊乱程序。在乳腺癌免疫治疗队列中，治疗前NP熵预测完全缓解与疾病进展的AUC达0.933，识别超进展患者AUC高达0.956，显著优于PD-L1（0.702）及T细胞浸润（0.655）。DesNP为精准疗效评估、预后分层及早期干预靶点挖掘提供了普适性分析工具，具有广阔的临床转化前景。

　　11

　　面向精神医学全周期服务的双通道智能协同平台

　　北京大学第六医院主任医师刘琦带来“面向精神医学全周期服务的双通道智能协同平台”。共包括两个子项目：一是Mindora（心朵拉）——拟面向精神障碍患者及家属，基于大语言模型的智能支持性陪伴模拟治疗师，通过整合精神科专业语料，构建具备情绪识别、共情回应、危机识别、心理教育和支持性沟通能力的智能体，将精神科专业支持性治疗理念与大语言模型、多模态交互和安全风险识别机制结合，形成可持续、低门槛、可及性强的精神健康辅助支持工具；二是“灵犀体”——拟面向精神医学临床、教学与康复场景，基于大语言模型的具身心智机器人，通过整合多位精神科医生临床查房、访谈与教学语料，构建具备精神医学语境理解、情绪识别、共情回应和角色模拟能力的智能体，探索其在精神障碍患者陪伴、团体治疗辅助参与、精神检查培训及考核模拟中的应用。

　　12

　　基于辨证行为治疗（DBT）的青少年情绪问题智能技能学习平台

　　北京大学第六医院主治医师熊娜娜最后带来“基于辨证行为治疗（DBT）的青少年情绪问题智能技能学习平台”。DBT已被证明可显著改善青少年的情绪调节能力和抑郁情绪，降低自伤风险，而国际国内目前仍缺乏此类智能化学习平台。本项目基于团队前期已开发的数字化d-DBT应用程序，拟构建基于强化学习大模型的自适应情绪调节技能学习和培训系统，旨在将DBT四大核心技能模块与强化学习决策框架深度融合，研发可根据实时情绪状态动态推荐个性化干预策略的自适应DBT-AI干预引擎，并构建具备高共情能力的AI技能训练智能体。将为青少年抑郁、焦虑、双相谱系障碍等常见情绪问题提供兼具理论创新与临床转化价值的数字化解决方案。

　　首届医药协同创新大会“AI/数智化赋能临床研究创新”专场，是跨领域协同创新、联合攻关的生动缩影。随着大数据与人工智能技术的迅猛发展，数智化正在生物医药全链条释放多元价值。本场14个项目，覆盖精神心理疾病诊疗、围术期管理、影像质控及免疫解码等多个方向，充分展现了AI赋能临床研究与诊疗的广度与深度。在交流环节，汇报人与嘉宾的深度对话揭示了数智化发展的核心价值：AI不仅提升了临床诊断的精准度，更有望以低成本、便捷化的方式，大幅前移治疗关口。这不仅是卫生经济学意义上的“划算账”，更对“健康中国”战略具有深远的支撑意义。数智化诊疗的未来，离不开AI这根纽带，更离不开临床医学、工学与数据科学的握指成拳、协同破题——这正是“协同创新”四个字的分量所在。