对话帝国理工学院校长学者许菁：AI +医疗路上的卓越精进

摘要：许菁，北京人，1997年10月生，清华大学电子信息专业毕业，美国哈佛大学访问学者、英国帝国理工学院校长学者、杭州液态喵网络科技有限公司总监，入选“2024福布斯中国·最具影响力华人精英TOP100评选”。

许菁，北京人，1997年10月生，清华大学电子信息专业毕业，美国哈佛大学访问学者、英国帝国理工学院校长学者、杭州液态喵网络科技有限公司总监，入选“2024福布斯中国·最具影响力华人精英TOP100评选”。

2024年，智库MacroPolo发布的研究报告《全球AI人才追踪2.0》显示，在AI的发展进程中，全球顶尖AI研究力量的显著比例方面，中国培养的AI人才从2019年的29%跃升至2022年的47%，华人、华裔在全球AI人才版图上的显著崛起态势清晰可见。

帝国理工学院校长学者许菁的个人经历似乎是华人在AI研究领域崛起的一个明证：她曾被保送至清华大学电子信息专业，并在该专业名列第一；随着对科研创新的兴趣越发浓烈，她在“京津冀-粤港澳”青年创新创业大赛、“包豪斯奖”国际设计大赛、“互联网+”、网商大赛、三创赛等国际、国家级竞赛中获得最高金银等诸多奖项；随着对AI的深入了解，她逐渐聚焦在AI+医疗领域，重点攻关医疗影像识别领域，致力于将科研成果进行产业应用，造福更多人。她拥有的卓越学术成就和领导才能在国际舞台上展现了光芒。

许菁入选“2024福布斯中国·最具影响力华人精英TOP 100评选”

2024年末，她入选2024福布斯中国·最具影响力华人精英TOP100评选。身为95后的她，不仅在学术界成果卓著，是美国哈佛大学访问学者、英国帝国理工学院校长学者，而且是IEEE会员, 并担任《IEEE Transactions on Medical Imaging》《Journal of Biological Engineering》《Neural Computing and Applications》等国际顶级期刊审稿人。她在国际重要学术期刊或会议上发表学术论文10余篇，研究成果被同行学者广泛引用，为学术界的发展做出了重要贡献。在卓越的学术研究之外，越来越多的社会角色也逐渐加身：作为全英清华校友会理事，她致力于推动跨全球合作；作为世界经济论坛全球杰出青年SSI组委，她致力于赋能女性影响力，积极推动社会变革；作为英国帝国理工学院的研会主席和理事代表，许菁的影响力和领导力不仅体现在学术界，还影响着社会的各个领域，为学术研究和社会发展注入了新的活力和动力。

致力于科研和创新、聚焦AI

许菁参加过很多创业比赛，在“京津冀-粤港澳”青年创新创业大赛、包豪斯国际设计大赛、Kaggle国际大赛、“互联网+”创新大赛、三创赛、全国大学生网商大赛等国际或国家竞赛中获得最高金银等奖项。

“参加创业比赛的过程就是一个发现问题、分析问题、解决问题的过程。”她回忆，各种竞赛经验帮助许菁一步一步发掘社会中存在的问题，并用自己的专业知识解决它。这个过程中不仅提升了她的领导力，也提高了她的影响力。

许菁参加国际论坛

此外，她也逐渐从创业大赛中找到了方向，认为健康领域商业价值和社会价值兼具，更有意义。此时，她已然踏入了AI+医疗的“深度学习”领域。

AI+医疗

2019年，许菁被成功保送清华大学电子信息攻读硕士研究生。在清华大学，她做医疗图像研究，在AI+医疗方向上进一步精进。她先后进行了多个临床相关的研究项目，例如她设计了一种新的基于深度学习的静脉分割方法，该方法可以定位穿刺目标，以提高复杂临床环境中静脉穿刺的成功率和效率。除此之外，她还为多种临床应用设计了深度学习方法，如血管分割、胸部疾病检测和脑血管疾病预测，这些方法通过利用丰富的多模态数据，包括临床成像数据、人口健康数据和基因组学、可穿戴设备的真实传感数据，从而提高诊断精度、预测疾病风险、减轻医生的压力，并为患者提供更加个性化的护理。

2022年从清华大学毕业后，许菁加入帝国理工学院数据科学研究所（DSI）和BioMedIA团队。

许菁在英国伦敦Hotal Cafe Royal享受下午茶

来到英国并放慢了节奏后，许菁感觉自己更加沉静，思考越发深入，也能在前沿方向上找到更前沿的学术观点。

她也更坚定了在AI和医疗结合的路上，尤其是医疗影像AI识别上进行深入研究的决心。而视觉图像处理正是最具挑战性的方向之一。

毋庸置疑，AI与医疗的结合正深刻地改变着医疗服务的方式。AI或将提升诊断效率和准确性，降低误诊风险。通过AI优化治疗方案，能够在多个方面改善着患者的就医体验。

其中，医学影像是AI技术的一个重要应用场景。AI在医学影像分析中的应用已经成为现代医疗技术进步的关键驱动力之一。AI能够自动识别医学影像中的病变区域，高效精准的图像分析能力极大地提升了医疗服务的质量和效率。

许菁认为，借助于AI，医生可以得到很多工作上的便利，不仅能够显著提升诊断的速度和准确性，还能帮助医生更深入地理解疾病的本质，从而为患者提供更加个性化的治疗方案。

在一部分工作实现自动化后，医生可以抽出更多时间去研究疑难杂症等依赖人进行深度研究的工作。通过对多模态、多源数据的综合分析，AI可以帮助医生构建更为完整的患者画像，进而做出更为准确的诊断决策。

虽然有如上诸多便利好处，但真正做好AI+医疗影像分析并不容易。比如，医学影像数据需要具备足够的广度和深度，涵盖不同疾病类型、患者群体以及成像条件。高质量的数据是训练有效AI模型的基础，数据标注的质量同样至关重要，准确且一致性的标签则有助于提高模型的学习效果。此外，算法的选择和优化直接影响到AI系统的性能。持续的技术革新对于保持竞争力和发展前沿应用非常重要。

为了保证AI+医疗影像分析的准确性，必须从多个维度入手，涵盖数据管理、算法设计、临床验证以及持续优化等多个方面。为了提高模型的泛化能力，训练集应该包含足够多样化的样本。

在具体的研究方法上，许菁团队和英国生物样本数据库（UK Biobank，简称UKB）达成合作。英国生物样本数据库作为大规模生物医学研究资源库，收集了约50万年龄在40至69岁之间的英国居民的遗传、生活方式和健康数据。UKB的目标是通过将电子医疗记录与遗传信息相结合，创建一个能够显著提升疾病预防、诊断和治疗能力的平台。

此外，许菁也和一些公开数据集合作。医学影像公开数据集不仅为研究人员提供了宝贵的训练材料，也为算法开发者测试和验证新的图像处理方法提供平台。

“先进行小范围测试，如果可以支持，再应用更具体的数据。”

在研究过程中，许菁强调倾向于科研成果产业化率高，并与公司、企业和科研院共同合作的项目。

比如她所在中心合作的项目“OPTIMIZE”，这是是帝国理工学院和美国生物制药公司 Biogen Idec的联合合作项目。“OPTIMIZE”项目开发和部署的工具，除了常规临床评估之外，还可以从多发性硬化症患者那里收集广泛的数据。该项目致力于将脑部扫描、基因组数据、血液样本中的生物标记、体检报告的生活质量测量以及追踪运动的传感器数据整合到一个数据库中。

医学知识和技术日新月异，AI系统也需要具备自我进化的能力。一方面，可以通过在线学习的方式让模型接触到最新的研究成果；另一方面，则是定期重新训练现有模型，确保它们始终处于最佳状态。许菁甚至感觉，AI 领域更迭的速度非常快，每天都可能会有一个新模型出现。

截至到目前，许菁在学术领域已经获得多项卓越成就。作为IEEE会员，她担任《IEEE Transactions on Medical Imaging》《Journal of Biological Engineering》《Neural Computing and Applications》等国际顶级期刊审稿人，并在国际重要学术期刊或会议上发表学术论文10余篇。她还申请并获得了5项国家发明专利、出版了1本学术专著，为科技创新提供了重要支持。她的研究成果被同行学者广泛引用，为学术界的发展做出了重要贡献。作为项目负责人，她完成了1项国家级项目、1项市级项目和4项校级项目，为学术研究和社会发展做出了积极贡献。