▲郑海荣教授作特邀报告▲

南京大学郑海荣院士以“生物智能”为题做特邀报告。郑院士首先从人工智能时代的本质谈起，指出其核心是“智能”而非“人工”，并强调数据与模型正成为新价值链的基础。接着，郑院士结合医学成像领域的发展，阐明多模态、跨尺度人体数据整合和数字孪生（数字生命）构建在健康预测和疾病诊疗中的巨大潜力，预测未来每个人或将拥有动态更新的“数字人”模型。随后，郑院士重点探讨了脑机接口技术的前沿进展与挑战，包括侵入式和非侵入式路径的对比，神经解码与编码（读/写）的科学难题，以及超声、磁共振等新型调控与成像技术的创新应用。郑院士在报告最后展望了脑机互联作为下一代智能交互核心的愿景，实现“数据智能→物理智能→生物智能”。

▲宋志坚教授作特邀报告▲

复旦大学数字医学研究中心宋志坚教授分享了题为“多模态大模型背景下的基础研究与精准诊疗”的报告。教授首先指出新世纪以来基础研究面临突破性成果减少的瓶颈，分析其原因并提出深度学习技术的提出能否对医学带来新的契机。随后，宋志坚教授以AlphaFold在蛋白质结构预测中的突破为例，说明以深度学习为代表的AI技术如何显著提升科研效率。接着，阐述了大模型发展的三大趋势：参数规模扩大、生成能力增强以及以数据为中心的范式转变，并强调多模态融合对医学研究的重大价值。最后，宋志坚教授结合其团队在结直肠癌预后多模态评估中的实践，指出多模态大模型在可解释性、融合方法和跨模态协作学习等方面的未来方向。

▲陈益强研究员作特邀报告▲

中国科学院计算技术研究所陈益强研究员带来了题为“模联网：模型联邦网络及其数字医学应用”的特邀报告。陈益强研究员首先从当前大模型依赖大规模算力与海量数据的现状出发，指出在医疗这样的实际应用场景中单纯追求模型规模所面临的成本、数据和能耗等难题。接着，他提出 “模联网” 这一新型分布式智能范式，强调借助 “模联效应” ，实现从 “炼大模型” 到 “联大模型” 的转变，以低门槛、高效率释放模型能力。之后，系统阐述了 “模联网” 的三层架构与 “数算成模”、“模联生智”和“智服未来” 三个阶段，并介绍了其团队在联邦学习、模联网构建、多智能体测调等关键技术的成果及医疗应用实践。最后，陈益强研究员展望了未来人、机、物三元融合的智能体协同新范式，呼吁汇聚多学科力量开展跨界合作，打通技术落地的关键堵点，推动智能技术真正融入医疗等民生场景，释放实际应用价值。

▲姜林娣教授作特邀报告▲

复旦大学附属中山医院姜林娣教授带来了题为“临床数据标准和精准诊疗”的特邀报告。姜林娣教授首先阐述了临床数据标准化对于促进精准医疗、医院管理和人工智能应用的重要意义，以上海市开展的“医联工程”大数据平台为例，介绍了其整合医疗、医保、医药数据，在提高医疗质量与绩效管理方面发挥的作用。接着，姜林娣教授分析了当前真实世界数据构建存在诸多挑战，如医院间专科发展不均衡、绩效考核导致的编码偏差、病史质量不足及诊疗干预影响数据真实性等。最后，姜林娣教授结合其团队在血管炎专病数据库建设的实践，分享了在多模态数据整合、生物样本库管理及跨学科合作中遇到的困难与解决方案，并提出共同推动标准化、可共享的高质量临床数据库建设，以赋能临床科研与智能化诊疗发展。