2026年2月2日，《健康报》第5版发表文章《“知识+AI”打开医学发展新空间》，作者为中国医学科学院医学信息研究所刘辉所长。现全文转载如下，以飨读者。
近年来，随着人工智能（AI）技术的迅猛发展，医学领域迎来了前所未有的创新机遇。从蛋白质结构预测带来的基础科学突破，到多模态大模型在影像识别、临床文本理解和辅助诊断中的广泛应用，人工智能正在深刻改变医学研究范式与医疗服务模式。同时，国家层面密集出台关于人工智能、数字中国、科技创新和健康医疗数据治理的重要政策，为医学人工智能的发展提供了良好的环境支撑，也为医疗卫生服务体系的转型升级打开了新的空间。
医学AI“成长的烦恼”
虽然医学人工智能的进展令人振奋，但在进入真实世界后，也暴露出一系列结构性问题。
真实环境泛化能力受限。许多模型在自有数据集上表现出色，但在不同机构、不同设备或不同人群上的泛化能力不足，“实验准确”与“临床可用”之间存在显著差距。造成这种差距有多种因素，如医学数据天然的多样性与训练数据的“茧房”，临床环境的动态复杂性与不确定性，模型捷径学习而非对因果关系的发现，评价指标与真实目标的偏差等。
生成式认知偏差风险。生成式人工智能虽具备强大的信息生成能力，但由于其本质是基于概率建模而非事实推理，因此可能出现内容虚构、概念混淆等风险。而医学领域关乎人类生命健康，对任何模型幻觉需保持零容忍原则，此类问题涉及系统的可靠性根基与可控性底线。
决策路径不可溯问题。当前，许多医学人工智能系统仍属于典型的黑箱模型，其内在不透明性导致推理逻辑、知识依据与输出结果均缺乏可溯源性和审查性。这种不透明性与循证医学原则有冲突，可能掩盖数据偏差或错误逻辑，进而引发误诊风险，也难以满足医疗机构对监管和责任追溯的要求。
持续迭代的成本困境。随着医学知识不断更新、真实世界数据特征持续变化，模型也需要频繁迭代与优化，而此类更新在人力、算力和时间成本上都面临挑战。单纯依靠数据与算力的规模扩张，难以转化为医学人工智能在临床实践中的关键能力，也难以支撑其长期稳健发展。
医学AI的新路径
在此背景下，医学人工智能需要走向新的发展阶段——即从技术红利驱动向体系化能力构建转型，从单纯依赖经验拟合向融合医学知识支撑转型，从追求效果极值向重视安全性、可靠性与可解释性转型。医学知识智能作为医学人工智能发展的一种新型路径，具有重要的理论与现实价值。
所谓医学知识智能，是医学知识与智能技术深度融合构建的一整套理论、方法、技术及应用体系。医学知识智能强调以医学知识数据为核心，形成知识体系构建、知识加工和知识驱动应用三位一体的能力框架，使人工智能在医学领域的应用更加稳健、透明和可持续。
医学是一门知识密集度极高的学科，长期以来以教科书、指南、文献和病例等形式呈现海量知识。这些知识蕴含着医学规律、诊疗逻辑和专业经验，但过去主要以纸本方式存在，难以被机器理解和利用。数字技术的发展，使得医学知识的结构化、标准化和可计算化成为可能，人工智能技术更为进一步实现知识价值的释放带来新的机会。
AI与知识的双向融合
人工智能与医学知识之间形成“AI赋能知识”和“知识赋能AI”的双向奔赴，成为推动解决当前医学AI发展问题的重要探索之一。
“AI赋能知识”不仅是利用智能算法完成知识的生产与整合，更是面向医学科技创新，构建智能化的全生态知识服务体系。人工智能能够推动多源医学知识数据实现标准化和结构化表达，为不同来源的知识建立起统一的语义基础。在此之上，智能算法进一步深化知识理解，自动生成更具结构性和逻辑性的内容，不断丰富和拓展医学知识网络。随着知识形态的优化，全生态知识服务体系一方面能够更加便捷地调用知识资源，获取高质量、情境化的医学信息，另一方面也促进了知识向情报、洞察和决策辅助的转化，将分散的学术成果和研究进展凝练为可用的创新线索，形成持续演化的知识供给体系，为医学科技创新提供稳定而可靠的支撑力量。
与之相辅相成，“知识赋能AI”则从另一层面塑造着医学人工智能的长期发展路径。医学知识本身承载着对疾病机理、诊疗路径和风险防控等领域的系统认知，为人工智能提供了可靠的逻辑框架。将临床指南、诊疗规范、术语标准和因果关系等知识注入模型，可以对其训练与推理过程形成约束，帮助模型在生成结论时遵循医学常识和安全边界，减少幻觉输出，降低因数据偏倚导致的决策偏差。通过在输出结果中显式标注证据来源和依据层级，还能够让诊断建议和治疗方案具备清晰的溯源链条，便于医务人员理解、审查和修正。
知识的介入，为人工智能系统提供了更为可持续的演化机制。规范的动态知识体系能够使系统在保持稳定性的同时持续吸收最新证据，实现“知识升级带动模型升级”。同时，知识驱动的可解释、可审计机制，也为监管部门开展安全评估、质量监测和责任认定提供了抓手，有助于在保障安全底线的前提下加快创新应用的推广。
在医学人工智能的发展进程中，医学数据无疑是根基所在。医学知识从海量数据中提炼而来，同时又反哺于数据，二者深度融合，共同驱动人工智能技术在医学领域的应用与创新。这种融合并非对传统数据驱动模式的简单补充，更是一场对医学智能体系的系统性重构。
未来，在多源医学数据要素化开发、关键技术持续突破和相关政策不断完善的共同作用下，医学知识智能有望在基础研究、临床诊疗、公共卫生和医学教育等多领域发挥更大作用，为健康中国建设提供更加坚实、可信和可持续的智能支撑。
来源│健康报 2026年2月2日第 5 版
