摘要：3月7日—3月11日，2025年美国皮肤病学会（AAD）隆重召开，作为全球瞩目的皮肤病学术盛会，汇聚了世界各地的顶尖皮肤科专家，交流前沿成果、探讨学术热点，共建国际合作平台。其中，飞速发展的人工智能技术在皮肤科诊疗、研究等领域的广泛应用及前景，成为许多与会学者

*仅供医学专业人士阅读参考

美国HiPatho人工智能科技公司CEO于励民教授分享对AI助力皮肤科医学的深度观察与思考

撰文 | 张皓宇

3月7日—3月11日，2025年美国皮肤病学会（AAD）隆重召开，作为全球瞩目的皮肤病学术盛会，汇聚了世界各地的顶尖皮肤科专家，交流前沿成果、探讨学术热点，共建国际合作平台。其中，飞速发展的人工智能技术在皮肤科诊疗、研究等领域的广泛应用及前景，成为许多与会学者的热议话题。

在皮肤病的精准诊断、个性化治疗等方面，AI技术正体现出广阔的潜力，但目前仍有很多不足之处。对临床医生而言，如何用好这个全新的“助手”？同时，和许多行业一样，AI的出现，是否会带来部分医生的“生存危机”？

对此，我们有幸邀请到美国HiPatho人工智能科技公司CEO于励民教授接受访谈。于励民教授深耕皮肤病理学多年，作为医学博士的他同时获得了计算机科学硕士学位，曾开创奥克兰大学Beaumont 医院首个病理学住院医师信息学轮转项目， 目前专注于以AI技术驱动病理学发展。围绕AI给皮肤科医生带来的机遇与挑战，于励民教授向“医学界”分享了从业心得与思考。

医学与信息科学：思维共通 专业互助

于励民教授在本科时代学医，就对信息学领域有着浓厚的兴趣，此后在生命科学领域深造时，系统学习了计算机科学，“我参与了一些计算机和医学相关联的开发项目，例如用当时还比较‘稚嫩’的人工智能技术，研究化学分子的亚结构，来预测哪些小分子会有更好的生物疗效，后来又有幸参与了人类基因组计划，也需要计算机科学与生物科学、医学的交叉应用。”

如今，AI技术正在推动医学行业的又一轮变革，有着多年“携医入码”经验的他，建议青年医生不妨学一点计算机：“你不必是计算机专家，但至少要熟悉计算机常用术语，在合作时可以和计算机专家有流畅的沟通，有助于高效地解决痛点。”

在他看来，医学与信息科学有许多思维方式的相通之处，有助于医学生、医生走进“代码世界”。

首先，二者均强调“以问题为导向”。在处理具体工作时，往往需要先明确问题，再提出假设并验证。对医生而言，是临床遇到患者、明确病症、提出诊断假设、结合各项检验来验证假设，如果不符合预判，则要提出新的假设并继续验证；在计算机科学中，也会通过明确问题和需求，来确定算法和程序，并根据实际工作中遇到的新问题，改进算法、减少bug。

其次，二者在解决问题的过程中，都遵循逻辑推理和循证思维。于励民教授指出，医学和计算机都非常注重数据和证据：“在医学上我们重视临床试验、临床研究，以此验证新药的有效性，计算机科学也重视大规模数据测试模型的验证，通过对照实验或盲测数据集，来检测模型的准确性和鲁棒性，二者都特别重视实验结果是否可复现。”

第三，医学和计算机都在不断迭代，要求从业者以开放的思维持续学习。正如医生要经常关注最新的临床指南、诊疗规范以及新药的产生，计算机从业者也需要不断学习新的编程语言、算法框架，“我们都要与时俱进，以开放的态度不断学习新事物、接受新事物。”

AI驱动病理学发展：作用突出 前景广阔

那么，AI技术的崛起给医学究竟带来了哪些改变？于励民教授以病理学为切入口，介绍了AI在提升诊疗效率与精准度等方面的突出效能。

于励民教授先指出了病理学在诊疗流程中的重要作用：“在现代医疗体系中，病理学被视为诊断的基石，对治疗方案的制定，也可能会起到决定性作用。”对病理材料的分析，不仅要确诊疾病，更要对疾病进行分型、分期，这在肿瘤的诊疗和用药中尤其关键，能为治疗决策提供指导。在美国，病理医生往往是多学科协作诊疗团队的重要一员，“不仅是幕后英雄，更是临床决策链中不可或缺的一环。”

于励民教授认为，随着人工智能技术的发展，支持基因诊断、病理分析等技术飞速进步，我们对很多疾病的认知和分类、分型将不断更新，病理学对临床治疗的指导作用将更加突出。

传统的病理分析，是在玻璃切片上用显微镜观测，进行组织学分析，形成报告；人工智能推动了数字病理时代的到来，全视野数字切片（Whole Slide Image，WSI）已经广泛应用，AI可以能够自动对图像进行分割、标注、分类，快速识别异常细胞或者病变。目前，在乳腺癌、前列腺癌等方面的诊断上，医生借助成熟的AI模型，可以显著减少漏诊和误诊，高效完成诊断。

“过去医生的一些工作，毫无疑问一定会被AI取代。”于励民教授以黑色素瘤的诊断为例，为了更精确的结果，经常要做一些十分细致、耗时较长的观察，比如一段周期内有多少有丝分裂项、深度多少等，在开发了能够计数有丝分裂项的AI软件后，能够充分解放病理医生的时间，“我们可以去做更多更有价值的事情。”

支持临床诊疗的同时，AI携手病理学也在为新药研发贡献重要力量。于励民教授举例指出，自己曾参与一个项目，开发一款毒理学的AI研究模型，用于分析小鼠肝肾组织切片的病变。“过去每次要做大量毒理学实验，会产生大量病理切片，人力严重不足；而AI可以批量处理数万张量级的数字切片，快速、准确，后来这款模型的应用效果很好，几乎可以取代毒理学人工检测，极大地提高了药物研发速度。”

医生要做AI的“带领者”，而非“跟随者”

亲历着人工智能技术从曾经的简单稚嫩，到如今日渐“聪明”，于励民教授表示，医生确实要有一定的危机感，AI并非只能担任“助手”的角色，在越来越多的领域，可以取代人类完成工作。但这对医生而言，本应是值得高兴的现象，可以从一些繁琐、重复性的工作中解脱出来。

“医生不能停在原地，要带着AI往前跑，让AI跟着我们，而不是我们跟在AI后面，”于励民教授总结指出，“当然，AI有时会给我们提供新的方向，在工作中学会和AI‘对话’，可能会越来越重要。”

比如在肿瘤诊断中，AI对病理材料进行大数据分析后，在它的“提示”下，我们病理团队意识到，可能要向诊疗团队提供免疫微环境的信息，这些之前并不会提供的内容，对这位病人的免疫治疗方案制定却至关重要。“这就好像AI说，你到这边来看看，我们就去看一看，也许会有更好的发现，这可能是未来医疗决策的一种趋势。”

但是，AI在处理问题时也可能会提供一些不可靠的信息，于励民教授称之为AI产生的“hallucination”（幻觉），“这在我以前的工作中遇到过多次。”在他看来，这就要求我们医生具备更扎实的医学知识、更丰富的临床经验，从而熟悉AI能力的边界，知道哪些工作是它擅长的，哪些工作是它容易出偏差的，其实这一原则对所有工具都是适用的。

不过，AI与传统工具不同之处在于，它的发展速度非常快，能力的“边界”也在不断变化，明天的AI模型较之今天的模型，也许能力会有巨大提升，需要医生熟悉AI的内在发展规律，勤于关注行业的最新动态。

这也是于励民教授倡议青年医生多多关注计算机领域的原因之一。而且他发现，目前医疗领域AI模型的开发，医生在早期的参与是比较少的，这就导致很多情况下，医生只是AI模型开发后的被动使用者，临床中遇到的痛点和问题，并没有被很好地解决。

于励民教授打了一个比方：“AI技术成了一个锤子，在到处找要钉的钉子，实际上应该先在手里拿着一个钉子，再去工具箱找到最适合钉它的锤子。”

医生要及早参与AI模型的开发，才能真正回到“以问题为导向”的研发模式，实现“为钉子找锤子”的高效路径。于励民教授建议，医生可以学习者的心态加入信息技术团队，逐渐了解基本概念后，不断与工程师们沟通，一定会逐渐增强自己的话语权，最终让临床遇到的真正痛点，得到最佳的解决方案。

对国内AI医疗产业的不断壮大，于励民教授也在持续关注。他表示，期待与国内同道有更多机会进行交流、合作，共同助力国内智慧医疗的水平不断提升。

专家简介

于励民 医生

除了医学专业背景外，于医生还拥有丰富的计算机科学经验。

在博蒙特健康系统，他创立了该机构首个病理住院医师信息学轮转培训项目。

于医生还是HiPatho 的创始人兼首席执行官，该公司致力于利用先进的人工智能技术赋能病理学家。

HiPatho 已成为AI 驱动病理学领域的领导者，同时提供高性价比、高质量的全玻片扫描（WSI）设备。

部分病理AI模型已在MD安德森癌症中心（MD Anderson）和俄勒冈健康与科学大学（Oregon Health & Science University）等医疗系统中完成临床验证并投入使用。

公司仍在持续开发实用的AI模型，以提升病理学家的诊断准确性和时效性。

意犹未尽？没关系！

电子壁报、视频解读、大会资讯、专家带你看这里都有

AAD专区已正式开放，还不快来关注！

责任编辑：大晨

*"医学界"力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。

来源：医学界皮肤频道