在大模型技术的冲击下，以聚类分析、隐结构分析为例的经典机器学习算法在医学领域应用该如何发展和变革？2025年9月27日，由中国计算机学会主办、CCF YOCSEF郑州学术委员会组织“大模型时代下，经典机器算法在医学领域应用如何变革”技术论坛在郑州举行。

大模型技术的快速崛起，以其强大的泛化能力和丰富的应用场景，冲击了经典机器学习算法的传统地位。以医学应用为例，原本依赖逻辑回归、聚类分析等方法的建模任务，逐渐被大模型替代，引发对经典算法存在价值的质疑。在大模型技术的冲击下，以聚类分析、隐结构分析为例的经典机器学习算法该如何发展和变革？本论坛以对无监督经典机器学习算法在大模型背景下进行深入讨论，以促进其自身发展及在医学领域的落地应用。

本次技术论坛由CCF YOCSEF郑州学术委员、河南中医药大学许玉龙和CCF YOCSEF郑州学术委员、浪潮电子信息产业股份有限公司贺磊共同担任执行主席。

论坛邀请多位专家担任嘉宾，包括河南省中医药科学院副院长赵移畛、北京科技大学教授张德政、河南中医药大学第三附属医院副院长邵明义、浪潮电子信息产业股份有限公司AI技术总监杨振宇、河南农业大学特聘教授刘亮亮、河南中医药大学第一附属医院互联网医院负责人董鹏永、山西财经大学信息学院数据科学与大数据技术教研室主任肖宁等。

一

在引导发言环节，河南省中医药科学院副院长赵移畛以“人工智能+行动”为背景，围绕智慧中医院建设展开分享，核心从时代之需、变革之痛、脱胎之变三个维度系统阐述，其中“脱胎之变”为针对性解决方案，旨在推动中医院数智化转型。提出以“角色、关系、业务流程”为核心的数智化建设路径，具体通过梳理核心角色及对应业务场景、关系、流程、功能点，构建业务、数据、应用、技术四大架构，并强调医疗人工智能需深度结合临床场景以生成高质量数据，最终实现中医院的数智化转型。

北京科技大学教授张德政剖析了人工智能在医学辅助诊疗领域的应用，分享了研究成果：智能问答优化和疾病诊断模型。将多任务学习技术应用于医学智能问答，可优化问答逻辑，为临床医生、患者提供更精准的医学信息查询支持。研发以张仲景中医药大模型V1.0为核心，构建了从基础支撑到临床应用的完整技术体系，且专科智能体能够复刻名老中医用药思路，助力中医药诊疗传承。

河南中医药大学第三附属医院副院长邵明义分享了基于人工智能的中医经方医案知识重塑与应用，涵盖人工智能与中医结合、具体研究案例，展望经典名方传承转化等工作。包括与中国知网合作共建病房数据库，可线上检索经方信息；制定规则，用黄金分割法分析，实现经方数据重塑；构建辅助决策系统，实现经典名方传承转化，挖掘经验重塑伤寒论知识体系。

浪潮电子信息产业股份有限公司AI技术总监杨振宇围绕“AI助力医学与科研范式及应用创新”主题，系统阐述了AI技术的发展趋势、医学AI的演进逻辑，并提出大模型与无监督学习的三种协同范式，核心是结合大模型的泛化优势与无监督学习对数据规律的挖掘能力，提升医学AI的应用效能。对于未来，两者将在医学领域形成互补协同格局——以无监督学习为代表的经典机器学习算法与大模型各有侧重场景，通过持续迭代优化，共同推动医学科研范式的深度创新与临床应用的广泛变革。

二

河南中医药大学第一附属医院互联网医院负责人董鹏永主要从患者、医生、管理者三个方面出发进行思辨引导。患者：诊前需要导诊智能体&名医推荐智能体，推荐诊疗方案、疗法等。诊后涉及智能随访、诊疗穿戴设备数据回传等。医生：获取患者与智能体交互的结果作为预问诊资料；根据患者提供的家族史、过敏史或其他的预警信息，出具医疗建议作为医生决策的辅助。医疗机构：算法和底层疾病逻辑的映射关系困难，患者隐私外漏、数据安全问题。

李学真认为智能诊断技术有可能会阻碍中医发展，造成中医人才断代。现在训练的智能体准确率达到99%以上，今后需要普通医生的意义不大。

邵明义指出在如今的信息时代，人工智能已经延伸到我们生活的方方面面，正在重塑我们各行各业，医疗也是被重塑的对象之一，只有拥抱人工智能，驾驭人工智能，而不能害怕他抢了什么？他能加速中医师的成长过程，把一些原本需要几十年就揣摩的东西，通过总结和学习能很快掌握。

刘德功认为技术不能代替医生，病重的患者还需要医生，智能诊疗的普及也会提升乡镇医疗水平。

肖宁强调人工智能肯定不能完全替代人类，尤其是大模型，它存在一定的算法偏见，有算法数据幻觉的问题，尤其是在关系着一个人的健康问题的医疗方面上，幻觉是绝对不允许出现的，所以大模型只能辅助作用。

张楠认为智能诊疗需要大量数据，数据隐私与安全性怎么办是最重要的。不同的机构，数据的结构不一致，训练的标准不一致，模型的泛化性也存在差异。

刘奥祥指出多智能体的一个协同应用，要做关于隐私保护的标准、机制建立？

张德政强调AI发展非常快，很多现在关注的问题将来都会被解决，中医的生成式体系与生成式大模型互通。大模型的发展，会对未来就业产生较大冲击，但首要考虑的是安全问题。

南姣芬指出现在发布的模型分类准确性较高，但为什么落地推广不尽如人意？模型收集训练的数据很多是不可用的，与医院实际的数据不太匹配。

赵移畛提出模型训练质量，是由高质量的数据来保证，数据与模型要匹配。安全隐私问题也是要重点考虑。

经过与会人员充分讨论，大部分认为，医疗场景中虽然存在诸多痛点，重点讨论的就是安全性，包括数据的安全性和可信性，如患者如何去信任医生？医生如何去信任这个智能服务这条决策性？但这些问题后期通过技术均能逐步解决，而最终落地使用才是王道！

三

会议达成三点共识：

1）智能诊疗需重点解决安全性与可信性问题；包括落地应用时的安全性，数据的隐私性以及可信性，患者如何去信任医生，医生如何去信任智能系统提供的决策结果。

2）大模型快捷但可解释性差，经典方法精确但繁琐，应分场景使用。快捷指的是使用大模型技术落地部署，其泛化性好但是可解释性差；而经典机器学习方法可解释性高，但是比较繁琐，适合于数据量小应用场景。

3）经典机器学习可通过与大模型应用的前后段融合实现迭代升级。少部分观点认为会优胜劣汰，经典机器学习方法将来可能不存在。大多观点认为要走融合发展，可以在大模型之前，增加大模型数据的可靠性、校验性，还可以在大模型后段做融合，也可直接将机器学习附加到大模型的某个模块。