随着工业化、城镇化、人口老龄化进程加快，中国居民生产生活方式和疾病谱不断发生变化。心脑血管疾病、癌症、慢性呼吸系统疾病、糖尿病等慢性非传染性疾病导致的死亡人数占总死亡人数的比例不断升高。居民健康知识知晓率偏低，吸烟、过量饮酒、缺乏锻炼、不合理膳食等不健康生活方式比较普遍，由此引起的疾病问题日益突出。为了推进健康中国建设，提高人民健康水平，党的十八届五中全会发布了《“健康中国2030”规划纲要》。国务院“十三五”全国人口健康信息化发展规划也提出充分发挥人工智能等先进技术和装备产品在人口健康信息化发展中的引领作用。随着医疗系统数字化改革的持续深入及智能可穿戴设备产业的蓬勃发展，居民健康数据体量不断增加，如何有效利用海量人体大数据实现个性化健康管理成为重要课题。

在这样的背景下，2023年3月4日，CCF YOCSEF杭州分论坛举办了主题为“AI+人体大数据，能否引领未来大众健康管理模式变革？”的线下技术论坛。论坛由CCF YOCSEF杭州分论坛AC委员苗敏敏和吴宗大共同担任现场活动执行主席，来自全国医学人工智能领域优秀学者、知名专家等30余人参加线下论坛，就人工智能和人体大数据如何更好地融合并服务于大众健康管理话题展开讨论和思辨。

引导发言

引导发言1：人工智能在健康管理中的应用

袁贞明 杭州师范大学教授

袁贞明首先介绍了移动健康管理系统教育部工程研究中心的基本概况，进一步指出了物联网、大数据和人工智能等技术在实现全面检测→准确评估→有效干预→系统评价的人体健康管理全流程中的重要作用，同时系统梳理了基于跨媒体大数据的医疗健康人工智能技术的几个重要研究方向，重点分享了真实世界临床研究AI工具及其在妊娠期代谢性综合症辅助诊断、阿尔兹海默病辅助诊断、医学影像分析、颅脑手术导航、中医服务机器人等领域中的重要应用。

引导发言2：关于AI在现代医疗去中心化中的作用探讨

钱鹏江 江南大学教授

钱鹏江分享了他对医疗去中心化概念的理解并展望了发展蓝图，介绍了医疗去中心化涉及的几大关键IT技术，重点梳理了人工智能作用于辅助医学影像分析、疾病诊断与预后、健康信息管理、医学信息化建设、智慧医院等场景中的医疗去中心化示例。

引导发言3：EEG数据建模中的关键AI技术探索

张远鹏 南通大学教授

张远鹏首先介绍了人体头皮脑电EEG信号的产生机理和采集方法，并指出EEG在癫痫、帕金森病、精神性疾病诊断和运动功能康复领域的重要作用，重点介绍了EEG信号分析中涉及的关键AI技术，并分享了多视角迁移学习、栈式深度学习、深度关系学习等多种面向EEG信号分析处理的创新算法，最后介绍了该领域存在的若干挑战性问题。

引导发言4：生命体征监测和医学AI助力心脑血管疾病防治

蔡志鹏 东南大学助理研究员

蔡志鹏首先指出心血管疾病目前已成为危害我国人民生命健康的重大隐患，而心电监测是院内院外一体化监测的有效手段，能实现疾病早筛早查，提高健康保障水平。他同时指出穿戴式心电技术涉及多个学科领域，目前仍面临诸多难题需要突破。他进一步介绍了其所在团队在多生命体征监测设备、智能分析算法的研发和临床应用推广方面的具体情况。

思辨讨论

议题1：健康数据是人体隐私数据，如何在采集及存储阶段进行有效的隐私保护？

◆周塔

以鼻咽癌患者为例，在采集其放化疗后脖颈部位图像信息时要充分尊重病人的隐私，不能暴露面部图像，编码的时候通过匿名，在云端处理时也对数据做隐私保护。人体健康数据采集和存储，从法律和道德伦理方面都需要关注。

◆胡海龙

人体健康数据需要进行分级管理，哪些数据可以公开，哪些数据医生可以共享，还有哪些数据可以用于科研。

◆洪立斌

数据隐私不止健康，其他领域都需要保护。关键是核心数据进行脱敏。

◆胡珂立

人体健康数据可能来自医院，也可能来自手环等可穿戴设备。医院的数据在出院时要脱敏。可穿戴设备的健康数据可能存在本地或云端，需要加入隐私加密算法。

◆姚金鑫

健康数据根据使用目标的不同，需要进行不同的隐私保护，同时可以依据国际规范进行数据保护。

◆纪守领

从技术角度出发，众多的数据隐私保护策略和算法目前在学术界和工业界都有广泛的应用。从管理的角度出发，如何进行数据的分类分级很重要。要真正做到健康数据的隐私保护，可以综合考虑技术、管理加法律约束。

◆袁贞明

存在于医院或是手机上的个人健康数据均是个人隐私数据，均需授权访问，规范授权和防止篡改是健康数据合理利用的前提条件。

议题2：人体大数据计算范式，边缘计算or云端计算？

◆袁贞明

需要大算力的情况下需要云端计算，即时性比较高的还是需要边缘计算。

◆钱鹏江

边缘计算和边缘采集可以去中心化，在实时性要求比较高的应用场景中需要采用边缘方式。在云端可以完成大数据的存储和计算，适合大数据挖掘和分析，比如很多区块链医疗应用就需要在云端部署。

◆蔡志鹏

以我现在研究方向来看，具体采用哪种方式需要分情况，质量评估不需要云端计算，冗余数据可以不用上传，计算每天的心率也不需要很大的算力，终端就能实现，但是异常检测可以放在云端。

◆洪立斌

边缘计算和云端计算都需要，但要看具体场景。比如脑血栓，或者急性心脏病，肯定是边缘计算能够快速进行预警。长时间的慢性病数据管理就可以放在云端。哪些疾病需要快速预警，最好有专业医学人士参与讨论。

◆胡海龙

从隐私角度出发，边缘计算会更好，减少隐私暴露。实时响应的也是边缘计算比较好。

◆姚金鑫

采集、感知融合部分可以采用边缘计算，推理计算等适合放到云端。抛开技术，数据确权的问题本质上是数据的拥有者和使用者之间发生了冲突，如何设计合理的计算范式从而有效地保护和使用数据依然需要不断探索。

议题3：人工智能+人体大数据，能否实现个性化健康管理并生成精准健康干预方案，实现计算机科学、康复医学、营养学等多学科交叉融合？

◆韩志科

在某些领域是可以的，但在很多领域不可以；取决于这些健康大数据能否被感知和采集。比如在减肥塑形方面是可以生成健康干预方案的，因为数据能够很容易被采集和处理。但在基于脑电图相关的疾病干预中，其数据采集设备个人用户在家中日常配备目前还不普及，所以无法形成个性化干预方案。在眼科领域，依然要依靠医院专业的眼底图像拍摄设备才能够进行筛查和干预，依靠大数据和AI还不能解决个性化干预和医疗资源短缺的问题。

◆陈友荣

目前人工智能还无法实现个性化健康管理，原因有两个：1.人体数据差异太大；2.当前我们的健康管理依然不能脱离医生的指导。

◆洪榛

可以实现，这是一个发展趋势，但仍有很长一段路要走。

◆陈亮

实现个性化健康干预要结合更多资源，比如市场资源和行业资源，医院和康养企业，需要通过市场将技术与具体应用场景进行融合。

◆彭浩

目前仍难以生成精准健康干预方案，健康包含三方面，即身体、心理健康和社会适应良好。通过人体大数据可以对身体健康进行分析，但对于社会和心理健康还不能完全进行有效评估。实现学科交叉融合则是没有争议的。

总结与感谢

最后，由CCF YOCSEF杭州主席彭浩进行总结和感谢发言。彭浩感谢了参加本次技术论坛的嘉宾以及所有参与论坛的朋友们，希望大家一如既往地支持杭州分论坛的活动。