2026 Чжунгуаньцуньский форум — от соревнования по эффективности к революции в понимании заболеваний, AI способствует инновационному развитию медицины и медицинского оборудования

(Источник: Beijing Business Daily)

Умное здравоохранение становится одним из социально наиболее ценных сценариев применения технологий ИИ. 26 марта, на форуме 2026 Zhongguancun Forum Annual Conference «Придание ума жизни и здоровью · ИИ ведёт к будущему» выступающие эксперты провели глубокие обмены мнениями вокруг стратегического планирования, преобразования исследовательских парадигм, практических путей в промышленности и исследований технологических передовых рубежей, и единодушно пришли к выводу, что использование ИИ для здоровья жизни — это и вызов, и возможность; требуется, чтобы правительство, академические круги и представители отрасли действовали в одном направлении, совместно пройдя через всю цепочку — от закладки основы на данных, через установление правил для оценки, до внедрения на практике. От тупиковой ситуации с разработкой лекарств «десятилетие и 1 млрд долларов США», до интеллектуального обновления медицинских устройств, от точного моделирования моделей цифрового человека до передовых исследований виртуальных клинических испытаний — ИИ не только принес резкий скачок эффективности, но и стимулирует глубокие преобразования от ориентированности на опыт к ориентированности на данные, от соревнования по эффективности к революции в понимании болезней.

Закладка основы на данных и установление правил оценки

Госсоветник Государственного совета, профессор Пекинского объединенного медицинского колледжа Сяньхэцзиньской медицинской школы? (уточнение в источнике) и руководитель преподавательского состава Школы управления здравоохранением и политики при Пекинском Медицинском колледже Лю Юаньли, опираясь на результаты своего специального исследования по национальной стратегии «искусственный интеллект в области медицины и здоровья», которое он возглавлял в Канцелярии советников при Госсовете, систематически разобрал три главных «узких места», с которыми сегодня сталкивается наша страна в сфере применения ИИ для медицины и здравоохранения.

Лю Юаньли тремя ключевыми словами обобщил наиболее насущные трудности, требующие прорыва: данные, оценка, внедрение. Первое узкое место — «трудности с данными». Наша страна обладает огромной демографической базой и системой здравоохранения с опорой на государственные больницы, в теории имея двойные преимущества — и ресурс данных, и механизмы в рамках системы. Однако наблюдается недостаток предложения высококачественных, стандартизированных, мультимодальных данных о медицине и здоровье, а также еще не сформированы механизмы безопасного, эффективного и заслуживающего доверия обмена и оборота данных.

Разбираясь в причинах, Лю Юаньли суммировал их как «три не»: нельзя, не сметь, не хотеть. «Нельзя» — потому что медицинские данные мультимодальные, со сложной структурой и высокой профессиональностью; многие больницы не имеют зрелых возможностей управления и разработки данных. «Не сметь» — из-за того, что данные о здоровье и медицине крайне чувствительны, а бремя защиты приватности и ответственности за безопасность слишком велико, из-за чего возникают многочисленные опасения по поводу совместного использования. «Не хотеть» — потому что отсутствуют разумные механизмы стимулов и отдачи по ценности, и мотивация тех, кто предоставляет данные, явно недостаточна.

Второе узкое место — «трудности с оценкой». Медицинский ИИ напрямую связан с жизнью и здоровьем людей, и не допускает никакой неясности. В настоящее время крупные модели быстро итерационируются: хотя они демонстрируют огромную ценность, вместе с ними возникают проблемы, такие как «черный ящик» без объяснимости, алгоритмические предвзятости, риски ошибочных диагнозов и пропусков заболеваний. «Чем более передовая технология, тем быстрее регуляторика должна догонять». Лю Юаньли подчеркнул, что необходимо ускорить создание авторитетного механизма оценки и платформы, охватывающих всю цепочку — от исследований и разработок, через утверждение, до надзора при применении; с помощью единых научных и авторитетных стандартов следует очертить безопасные границы для технологических инноваций и закрепить нижнюю границу качества.

Третье узкое место — «боль внедрения». Даже самая хорошая технология имеет ценность лишь тогда, когда ею реально пользуются. Сейчас медицинский ИИ сталкивается с проблемой «последней мили»: нужно устранить множество барьеров — в политике, по ценам, в процессах, в привычках и т.д., чтобы зрелые и надежные интеллектуальные продукты действительно попали в больницы, в семьи и принесли пользу людям. Лю Юаньли отметил, что от закладки основы на данных, через оценку по правилам, до внедрения на практике — на каждом этапе правительству, академическим кругам, отрасли и сфере медицины и здравоохранения нужно действовать в одном направлении; при лидерстве государственных стратегий совместными усилиями преодолевать блокировки, решать трудные задачи и соединять «разрывы» в цепочке.

Научные парадигмы и подготовка талантов

Заместитель руководителя, отвечающий за работу вице-президента по вопросам подготовки, Городские консультанты Народного правительства Пекина, заместитель руководителя по текущей работе института биомедицинских и инженерных исследований Шэньчжэньского международного аспирантского института Цинхуа, Синь Синьхуэй, опираясь на результаты исследований и практики института за шесть лет, поделился инновационным опытом глубокой интеграции ИИ и наук о жизни.

Синь Синьхуэй рассказал, что в модульной структуре курсов института все междисциплинарные и инновационные курсы включают материалы, связанные с ИИ; мощная команда преподавателей по ИИ участвует в междисциплинарных пересечениях. В научных исследованиях: за последние шесть лет в исследованиях по темам магистерских и докторских диссертаций института 90% работ интегрировали ИИ в научную практику. Такая глубинная интеграция проявляется не только в подготовке талантов, но и дает существенные прорывы в научных инновациях.

В качестве примера — поиск пептидных препаратов и активных пептидов: традиционные методы в основном полагаются на опыт и пробу-ошибку, при этом коэффициент успешности ниже 1%. При подключении ИИ последовательности и активность/действенность мишеней — предсказание активности и информационная фильтрация — глубоко интегрируются, а эффективность можно повысить в 10, 100 и даже 1000 раз. «Перед постановкой эксперимента мы можем определить, какой именно молекуле после построения моделью ИИ будет проще всего пройти дальше по пути, — существенно снижая долю проб и ошибок и точнее находя молекулы-мишени». Синь Синьхуэй отметил.

Кроме того, институт также создал цифровые модели человеческого организма мирового уровня, охватывающие разные группы населения, включая младенцев, взрослых мужчин, взрослых женщин и пожилых людей; эти модели включают метаболические модели более чем 100 различных органов и клеток. Они позволяют предсказывать их изменения, токсические побочные эффекты и влияние на кишечник до того, как лекарства или пищевые продукты попадут в организм. В части оборудования команда разработала высокопроизводительные устройства для скрининга клеток: они обслуживают не только внутри страны, но и экспортируются в Японию, США, Южную Корею, Францию и другие развитые страны. В области цифровой патологии, благодаря сочетанию ИИ и систем высокопроизводительных патологоанатомических срезов, можно точно выполнять задачи, включая диагностику опухолей, прогнозирование мутаций генов и оценку прогноза; это обеспечивает надежную поддержку для клинической прецизионной диагностики и лечения.

Отраслевая практика и технологические передовые рубежи

Бэйцзин нuoчэнцзяньхуа фармацевтическая технологическая компания (Beijing Nuocheng Jianhua Pharmaceutical Technology Co., Ltd.), соучредитель, председатель совета директоров и главный исполнительный директор Цуй Цисун (Cui Jisong), с позиции практикующего специалиста на передовой в сфере инновационных фармкомпаний, поделился прагматическим путём, как ИИ помогает в разработке лекарств.

Цуй Цисун указал, что разработка нового препарата — от выбора мишени, до дизайна молекулы и затем до клинических испытаний — занимает долгое время: цикл составляет до десяти лет, а вложения превышают 10 млрд долларов США. ИИ уже играет важную роль в повышении эффективности работы компании, например: оптимизация включения пациентов, панели оперативной трансформации данных, сводка производственных данных и т.п. Однако ключевая проблема, которую ИИ пока не решил, звучит так: как с нуля до единицы найти лекарство, которое действительно эффективно в клинике. «Молекулы, спроектированные ИИ, хорошо связываются с белками и обладают сильной аффинностью, но можно ли напрямую миновать эксперименты на животных и перейти к клинике? Сейчас регуляторные органы этого еще не разрешают». Цуй Цисун прямо признал: от предсказаний ИИ до препарата, получившего одобрение и допущенного к продаже, между ними всё еще существует огромная пропасть. В будущем, если удастся заменить некоторые этапы в лабораторной валидации ИИ и добиться признания со стороны надзорных органов в сфере лекарств, тогда разработку новых препаратов, возможно, удастся сократить с десяти лет до двух-трех.

Профессор Западного исследовательского института Синько вычислительных технологий, заместитель директора лаборатории Тьюринга — Дарвина, Чжао Юй, с точки зрения технологических передовых рубежей высказал более радикальные, «переворачивающие» отрасль взгляды. Он указал, что нынешние приложения ИИ в отрасли в основном остаются на уровне статистики и информатизации; по-настоящему ИИ еще далеко не полностью понимают.

Чжао Юй подчеркнул, что в разработке лекарств самое сложное — «не ошибиться на самом корне»: текущие инновационные препараты показывают эффективность в экспериментах на животных, но 95% терпят неудачу в клинических испытаниях; фундаментальная причина в том, что понимание механизма болезни на самом деле не является достаточно ясным. «Нам не хватает не молекул — нам не хватает молекул, которые действительно могут лечить болезни. Первая аксиома этой отрасли — понимание болезни». Команда Чжао, накопившая опыт почти за тридцать лет, построила полноценную систему вычислительной медицины: исходя из болезни, четко определяет мишени действия и круг пациентов, которым это принесет пользу, а затем выполняет дизайн молекул. Они завершили первое в мире виртуальное клиническое испытание — за счет предиктивного, упреждающего прогнозирования эффективности терапии у пациентов обеспечив 100% точность. В нескольких областях, включая редкозаболевательную спинную опухоль-шпиндели (хордому), раннюю диагностику рака молочной железы и др., подход, основанный на логике «снизу» на уровне болезни, уже достиг существенных прорывов.

Чжао Юй сказал, что надеется перевести разработку лекарств с «случайного вдохновения гениальных ученых» на «инженерно обусловленную неизбежность». Если жизнь само-согласована, а болезни и здоровье закодированы в ДНК, то с точки зрения математики жизнь можно кодировать и интерпретировать.

Журналист Beijing Business Daily Ван Иньхао, Сунь Юйин

Огромные потоки новостей и точная интерпретация — всё в приложении Sina Finance APP