7月28日,“第二十三届中国科协年会——生命科学与智慧医疗”高峰论坛在北京召开。论坛作为第二十三届中国科协年会专题活动之一,旨在促进信息科技与生命科学、生物医药领域深度融合,以“科创中国”试点建设为依托,以产业园区发展需求为导向,为助力北京建设全球健康产业创新中心作出贡献。
生命科学与智慧医疗高峰论坛现场
中国科学技术协会学会学术部副部长林润华,北京市经济和信息化局党组成员、副局长王磊,北京市科学技术协会常务副主席司马红,昌平区区委常委,区政府党组成员、副区长杨仁全出席论坛并致辞,中国电子学会总部党委书记张宏图主持致辞环节。
中国工程院院士、清华大学临床医学院院长、北京清华长庚医院院长、清华大学精准医学研究院院长、中国医师协会常务副会长董家鸿,中国脑成像联盟主席、北京大学讲席教授、北大物理学院医学物理和工程北京市重点实验室主任、国际人类脑图谱学会主席高家红,清华大学教授、国际计算生物学学会Fellow张学工,中国科学院院士、中山大学中山医学院院长、中山大学孙逸仙纪念医院院长宋尔卫,复星国际全球合伙人、复星医药执行总裁、全球研发总裁兼首席医学官和科学委员会主任回爱民,中国科学院院士、军事科学院科技委主任贺福初在主论坛上发表主旨报告,北京脑科学与类脑研究中心高级研究员赵瑚主持了报告环节。
董家鸿院士做了智慧健联体创新应用的报告,他认为,医学的发展伴随着电子科技的发展,现代医学建立在电子科技发展的基础之上,以现代科技赋能健康医疗服务是非常重要的战略和途径。他指出,针对基层医疗机构的资源匮乏和人才短缺,智慧科技可能是促进医疗资源下沉、提升基层医疗服务能力、破解健联体难题的关键路径。
中国工程院院士董家鸿
北京大学高家红教授报告提到,神经精神障碍是严重影响人民身体健康的脑疾病,无创脑成像技术是诊断和治疗脑疾病的重要利器,大力发展先进的脑成像是智慧医疗的先进领域。
中国脑成像联盟主席、北京大学讲席教授高家红
清华大学张学工教授分享了从数基细胞实验到数基智能医健,以及从基础研究到未来智能健康医疗范式的思考。他表示,要以数字化数学化推进生命认知,以数基智能医健推动普及提高。
清华大学教授、国际计算生物学学会Fellow张学工
宋尔卫院士远程介绍了新一代5G智慧医疗的高速率、低延时、大连接技术特性,以及中山大学在5G赋能智慧医疗服务实践方面的经验,目标构建基于5G技术连通省、市、县、乡、村的整合型智慧医联体。
中国科学院院士宋尔卫远程报告
复星医药回爱民博士详细分享了mRNA新冠疫苗BNT162b2的国际合作及中国的研发及贡献,由于下一代基因测序的时间缩短、各种疫苗技术同台竞技、全球的协作都进一步加速了疫苗的研发。
复星医药执行总裁回爱民博士
贺福初院士做了蛋白质组学驱动的精准医学主旨报告,重点分享了关于基因组学驱动精准医学的局限性,并且通过四个维度详细解读了国际培育项目中,如何进行PDPM的普适性验证推广和升级换代。
中国科学院院士贺福初
北京脑科学与类脑研究中心高级研究员主持主旨报告环节
生命科学与智慧医疗高峰论坛部分嘉宾合影
论坛同期还举办了医工交叉与辅助诊疗、人工智能在新药研发中的应用分论坛。生命科学智慧医疗是健康产业的重要组成部分,将成为推动中国数字经济飞速发展的“新动能”。生命科学与智慧医疗高峰论坛将推动生命科学与智能科技融合创新和产业发展,对于提升我国医疗交叉创新能力,助力大健康技术创新和产业升级具有非常重要的意义。为配合疫情防控要求,本次论坛采取线上直播+现场参会模式,现场参会限定人数200人,线上直播观看超万人次。
本次论坛由中国科学技术协会、北京市人民政府主办,中国电子学会、北京市科学技术协会、中国研究型医院学会、北京昌平科技园发展有限公司联合承办,北京科技大学、北京脑科学与类脑研究中心、北京中关村生命科学园发展有限责任公司、至顶传媒、医药魔方等单位共同协办,并得到了昌平区人民政府、昌平区科学技术协会、北京中关村生命科学园管理委员会的大力支持。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。