小型高端品牌交流活动——人工智能驱动的表型组学研讨会在京举办

由中国科协立项支持、中国生物物理学会主办的小型高端品牌交流活动——人工智能驱动的表型组学研讨会10月15日在中国科技会堂举办，20余位来自高校、科研院所及产业界的一线专家围绕相关议题开展交流研讨。本次活动聚焦人工智能与表型组学融合发展的前沿问题，推动多组学研究与临床应用协同发展，为生命健康领域科技创新提供有力支撑。军事科学院军事医学研究院周钢桥研究员担任执行主席，河北医科大学李昂教授、中国医学科学院基础医学研究所副教授浦洋担任学术秘书。

研讨会设三个主旨报告。北京大学副研究员洪申达作“可穿戴设备驱动的心血管AI表型挖掘与应用”报告，介绍了人工智能从心电图、光电容积脉搏波等生理信号中提取数字生物标志物的研究进展，以及在心血管疾病风险筛查、居家健康监测等场景中的探索。他指出，基础模型与多模态学习拓展了传统生理信号的研究价值，同时需要重视临床验证与真实世界应用。中山大学附属第三医院医学情报中心主任王景周从“为何、何谓、如何负责任发表”三个层面剖析科研诚信与出版伦理问题，强调数据可复现、过程可回溯、责任可追究，并探讨了人工智能使用披露、稿件审查及发表后纠正等机制。高等教育出版社平台运营部产品经理赵婧结合期刊数字化平台建设，介绍了数据治理与办刊决策支持、智能审校、辅助评审和多模态内容传播等实践，建议通过标准规范与人机协作提升科技期刊服务能力。

自由交流环节，专家们围绕人工智能赋能科学发现、多组学整合与临床应用等话题展开深入交流。其中，周钢桥结合复杂疾病研究指出，人工智能可应用于多组学数据整合、标志物筛选及功能验证等环节，但模型发现仍需通过实验研究和临床实践加以检验。北京清华长庚医院白卉研究员结合类器官和自动化药物筛选平台建设，强调高质量、标准化实验数据是建立“提出假说—实验验证”闭环的重要基础，科学家的专业判断与深度参与不可或缺。北京医院沈涛研究员提出，应加强不同设备和平台之间的数据标准衔接，并重点关注候选生物标志物的重复性、特异性及临床可操作性。大家还探讨了人工智能能否提出有价值的科学假说、模型黑箱与可解释性、患者隐私保护与科研数据共享的平衡、人工智能生成内容的披露边界、同行评审中的保密与责任，以及人工智能应用效率与科研诚信之间的关系等非共识问题。

与会专家就推动人工智能与表型组学健康有序融合形成了诸多共识。一是坚持科学问题和临床需求导向，发挥人工智能辅助发现的效率优势，强化科学家主导的判断、实验设计和结果核验，推动人机协同创新。二是坚持高质量数据先行，推进多源表型数据的采集标准化、质量控制、规范管理与安全共享，在保护个人隐私和数据权益的前提下提升数据可用性。三是坚持验证与转化并重，加强湿实验、长期人群队列、跨中心研究和真实世界评价，重点检验模型的稳定性、可解释性与实际应用价值。四是坚持创新与诚信同行，健全覆盖科研立项、数据采集、分析、发表与评审的全过程规范，完善人工智能使用披露、人工审核和发表后纠正机制。五是坚持多方协同治理，推动科研机构、医疗机构、科技期刊、出版机构、技术企业及相关管理主体加强标准衔接和责任协作，构建可信、开放、可持续的人工智能赋能科研创新生态。

中国科协科学技术创新部 供稿