对话港城大闫峻：科研智能体已参与文献调研与实验设计，AI4S 黑客松筹办中

闫峻曾因病做过一次手术，并在医院住了十几天。那段时间，他看到医生每天忙碌的工作，也目睹了患者承受的疼痛。这段经历让他开始思考，自己所掌握的技术，能否在医疗场景中发挥作用，比如回答患者反复提出的问题，或者为医生的诊断和用药决策提供支持。 这段经历成为他后来长期投入医疗健康研究的原因之一。数学出身的闫峻，曾在哈佛医学院跟踪分析癌细胞影像，观察药物作用后细胞的变化，也曾在微软亚洲研究院做过自然语言处理和数据挖掘。随着研究经历的积累，他逐渐认识到，医疗健康不仅是一个值得长期投入的领域，也有许多问题可以借助计算技术解决。目前，闫峻担任香港城市大学香港人工智能与科学研究院副院长、数码医学研究院首席科学家。 10 月末，我们在香港和闫峻进行了一场对话。我们从医学研究中的实际需求聊到 AI 技术正在带来的变化，闫峻分享了自己从临床医学走向人工智能研究的经历，以及对未来医学科研方式的思考。 闫峻告诉我们，在他和课题组的日常工作中，科研智能体已经参与到文献调研、实验设计，编写程序和校验结果等多个环节。过去，医生即使在诊疗过程中产生研究想法，也往往受限于时间和技术条件，才有机会把它变成课题。闫峻认为，未来即使是懂医学但不会编程的研究者，也能借助这些工具，把临床上的一个观察想法变成数学优化等问题，再尝试验证。 当然，在这样的合作中，研究者也要学会提出更清楚的问题，并判断 AI 给出的结果是否可靠。一个方案有没有道理、哪些地方还需要检查、下一步该怎样验证，都需要扎实的专业知识。他希望，研究最终能够让临床多一种治疗方法，让已有的方案得到改善。至于对科研价值的判断，闫峻的标准很直接：有这项研究和没有这项研究，世界究竟发生了什么不同。 以下是 DeepTech与闫峻的对话。 先找到值得解决的问题 DeepTech：你有数学背景，也做过自然语言处理和数据挖掘研究。是什么让你决定长期投入医疗健康领域？ 闫峻：有几段经历对我影响很大。在北大读博士、学习机器学习的时候，我就一直在想，这些数学方法和计算机技术，用在什么地方能够创造更大的价值。 后来到哈佛医学院访问，我们做过癌细胞的影像跟踪与分析，观察药物作用于细胞之后会产生什么效果。那时我发现，之前学到的很多技术，原来可以在医疗健康领域发挥这么大的作用。 还有一次是我自己生病，做了手术，在医院住了十几天。住院和康复期间，我看到了医生每天的忙碌，也看到了患者承受的痛苦。那时就觉得，哪怕先做一些应用，我们掌握的技术也可能帮上忙。比如回答患者经常提出的问题、辅助临床诊断、优化用药方案，都有机会借助计算方法来改善。 后来在微软研究院做语义分析、自然语言问答和语言模型，也不断遇到可以用数学和计算方法解决的医疗问题。后来从微软离开加入一家叫做医渡科技的创业公司，也是让我对这个领域真正理解帮助最大的一段经历。这些经历让我慢慢确定，首先要找到一个有价值的问题，再看技术能不能在其中发挥重要作用。这也是我后来长期投入医疗健康领域的原因。 DeepTech：你参与过用 AI 判断科研想法有没有新意的研究。在你看来，一个想法有新意，和它值得做，是怎样的关系？ 闫峻：判断一项工作值不值得做，我更愿意看它的价值。 做计算机科学研究、投稿论文时，我们可能会特别关注方法有没有创新。但临床医生和新药研发人员往往更在意结果：这项研究究竟改变了什么？是不是多了一种治疗方法，原来的治疗方案得到了改善，或者某种过去难以治疗的疾病有了新的治疗可能？ 为了实现这些目标，往往需要在方法上创新。但如果只是为了制造一个创新点，就容易忽略我们最初为什么做这项研究。今天训练大模型，仍然大量依赖误差反向传播、梯度下降等经典算法。这些方法提出很多年了，本身未必新颖，却依然在创造很大的价值。创新是我们通向这些价值的过程。 AI开始参与方法设计 DeepTech：你提到，团队最近让科研智能体参与了医疗合成数据的研究。这个问题难在哪里，AI 具体帮了什么忙？ 闫峻：训练医疗大模型，尤其是诊断类模型，真实的临床电子病历非常重要，但这些数据涉及患者隐私。即使去掉姓名、身份信息和联系方式，也不能保证安全。检查指标和病史描述等信息，仍然可能被用来识别某个患者。 我们想尝试把原始病历转换成合成数据，再用它训练模型。难点在于，转换后的数据还要有研究价值。它需要保留有用的医学含义，以及群体层面的重要统计特征。同时，我们希望转换所用的数学算子不可逆，避免通过逆运算直接恢复原始信息。 要同时满足这些要求，并不容易。我尝试从泛函分析等角度思考，花了近一个月，没有找到满意的方案。后来，我们用 SciencePal 上的科研智能体，辅助设计算子、进行数学证明，再设计后续实验。一个多小时后，它提出了几套候选方案。接下来，我们花了大约一周进行人工检查和实验验证。其中一套采用三角变换的方案，基本满足了此前提出的

来源只提供摘要，完整内容请打开原文。