肿瘤瞭望消化时讯

CCHIO2026丨从“单向展示”到“动态思辨”:氢离子医学AI的循证全链路价值

肿瘤瞭望消化时讯

引言

2026中国整合肿瘤学大会(CCHIO)于2026年11月12日在长沙隆重召开。作为国内整合肿瘤领域标杆性学术交流平台,本次消化道肿瘤分论坛集结国内临床专家、科研骨干与科普工作者,聚焦消化道肿瘤全周期防治展开多维研讨。与会专家带着临床诊疗难点、科研攻关瓶颈的现实问题参会,以期在前沿学术交流与同行思辨中求索破局之道。

本次大会中,阿里健康医学AI“氢离子”为壁报提供AI循证解读等技术支持,还参与论坛专题分享,嵌入学术思辨、证据勘索与科普体系建构等核心环节,为辅助临床命题与科研难点提供循证支撑。当前循证证据谱系持续快速更新,研究者身处海量异质证据带来的“循证迷雾”之中,而循证智能可承接证据归集、谱系梳理等繁重工作,释放研究者精力,使其聚焦高阶临床思辨与科研创新。

一、汇勘众证,互证甄思|“氢离子”创新学术交流新范式

会议期间,“氢离子”同步推出AI循证解读壁报的差异化学术服务,为传统壁报交流模式注入智能化新动能。在大型学术会议中,壁报是前沿研究成果集中展示的重要载体,承载着大量细分方向的探索数据与阶段性结论。但受限于展示形式、参会时间有限、研究体量庞大等现实因素,专家很难在短时间内逐一精读、深度辨析,往往只能浅尝辄止。“氢离子”依托专业医学模型的循证推理能力打造全新服务,面向大会壁报中的研究进行自动化解析,完成证据链关联溯源,逐层梳理研究假设、试验设计、论证逻辑与局限性。

借助“氢离子”AI循证能力,参会者可以快速抓取单篇壁报的核心创新点,同时对比同领域已发表研究,了解不同研究在人群、方案、终点指标上的差异,高效完成证据交叉校验,省去大量人工检索、文献比对的时间成本。医学AI“氢离子”立足医学证据体系,不只做文字概括,更聚焦研究逻辑的还原与证据溯源,帮助研究者快速识别研究亮点、潜在偏倚与待验证方向。

此外,传统壁报多为单向成果展示,交流深度容易受限。而“氢离子”打通了静态成果和动态思辨之间的通路,助力参会者在壁报阅览中快速形成对比视角、拓展研讨问题,促使壁报从单一的研究成果展示转向深入的循证探索。它为参会学者碰撞科研思路、挖掘潜在合作方向提供智能化支撑,也为学术会议的壁报交流生态探索出新范式,持续以循证AI赋能临床科研高质量发展。

“氢离子”壁报AI循证解读

二、聚证析理,人机偕行|“氢离子”赋能医学科研转化全链路

阿里健康“氢离子”医学负责人张令宇先生专题报告

CACA消化肿瘤全域科普行动论坛的实践分享以人文赋能、共融共生为内核,聚焦肿瘤心理康复、胃癌防治等内容,倡导从“治病”转向“治人”。围绕肿瘤患者身心康复、疾病早防早治开展科普,强调高危人群需重视筛查,落实健康生活方式,对癌前异常病变规范管理、定期随访。

该论坛中,阿里健康“氢离子”医学负责人张令宇先生以《AI辅助临床循证与文献智能检索》为题,分享AI赋能临床与科研的实践探索。当下,我国医师资源紧缺,临床医生的时间被诊疗、科研、教学等多项工作拆分,临床诊疗高度依赖高质量证据。目前基层医师循证意识仍待提升、循证实践手段相对匮乏,循证落地普遍存在三大痛点:循证工具不足、缺少标准化实施路径、高质量证据获取不便。这也是医学AI产品“氢离子”的研发初衷。目前“氢离子”成为国内唯一同时拥有BMJ、NEJM、JAMA三大全球顶尖医学期刊全文授权的医学AI平台。从今年5月正式发布至今,它已成为国内医生在临床与科研中广泛使用的医学AI工具。

尽管目前医学AI普及率持续提升,但专业应用仍存在突出短板。部分模型输出缺乏文献佐证,存在引文断章取义、参考文献来源不实甚至编造文献等问题,通用大模型在医学场景下可信度有限。为此“氢离子”平台内嵌PICO、GRADE分级等循证方法论,确保“氢离子”对医生所提问题的回答中,每一条观点均附原始证据片段;也支持医生阅读文献原文(具有全文对照翻译),避免关键信息遗漏。

科研方面依据PICO结构化方法论,引导医生规范拆解待研究问题,明确人群、干预措施、对照与结局指标,以及文献权威性分数、时间范围、研究类型等核心要素,快速调取已有研究成果和里程碑性证据;支持医生快速找到创新性idea以及设计研究方案。在肿瘤临床的具体场景,“氢离子”的循证方法论已得到验证:针对“难治复发侵袭性淋巴瘤究竟该选异基因移植还是CAR-T?”的争议话题,“氢离子”系统梳理不同疗法的优劣、适用人群、禁忌及在国内指南与文献支持下的落地可行性,为临床提供多维证据。

难治复发侵袭性淋巴瘤争议话题:多疗法证据对比与适用人群梳理

面对一位90多岁、合并多种基础疾病且卒中风险和出血风险均偏高的患者,发生心梗时面临用药冲突的风险,“氢离子”给出用药方案建议与风险提示,且每条观点均有据可依。

治疗方案有冲突的临床案例

在辅助科研方面,“氢离子”团队深度挖掘专业数据库,梳理领域研究脉络、挖掘潜在科研方向,开放与专家的科研合作。“氢离子”聚焦不同科研细分场景,可定向收集证据、梳理证据脉络、萃取学术观点。当前医学领域证据繁多、文献和指南更新快,人工研读整合耗时长且易遗漏关键证据;“氢离子”可按病种收拢文献、梳理证据并按照GRADE划分证据等级,为回顾性与真实世界研究搭建循证基础。

“氢离子”核心价值不在基础检索,而在检索后的证据串联与体系化整合,重构科研工作流;不替代临床判断与学术思考,而是承接重复性文献处理工作,践行人机协同,助力消化肿瘤早筛、临床研究、科普转化全链路提效。

三、循证筑基,智研致远|“氢离子”探索医学AI临床科研价值

CACA–IASLC联合会议上,在国际肺癌研究协会(IASLC)会议主席Karen Kelly教授及上海市东方医院(同济大学附属东方医院)周彩存教授主持下,阿里健康“氢离子”市场及生态负责人殷杰先生作《医学AI在肺癌临床实践与研究中的发展与价值》专题报告。结合训练路径、算力效率等维度对比专业医学模型与通用模型后,殷杰先生指出,在通用人工智能到来之前,专业医学模型在准确性与效率层面可能更具优势,“氢离子”的循证率(答案段落级引用证据的比例)可达100%,更关键的是循证可靠性,即观点、论据、结论与引用证据内容的一致性为98%。

殷杰先生呼吁将医学证据库建设列为关键任务,不应满足于文献摘要或OA(Open Access)数据,否则医学回答的深度与广度都会受限。“氢离子”为此投入大量资源建成可靠医学证据库,实现与NCCN、ESMO、CSCO等指南的实时比对,并与CACA、NCCN、AAO-HNSF、ASCO、MSK等国内外权威机构建立连接,正是这一证据治理路径的落地注脚。

在专题现场,殷杰先生以“In advanced NSCLC with KEAP1 mutation, wild-type EGFR/ALK: what are the treatment options?”这一晚期非小细胞肺癌治疗选择问题为例,演示“氢离子”如何经4轮推理给出有据可依的回答。面向科研,他还分享了“星图”、Deep-Research等能力对临床科研的价值——“星图”能把Ⅲ期EGFR术后策略这类复杂问题的研判从数月压缩至一小时。未来,“氢离子”还将整合不同国家指南并作本土化适配,通过全球专家咨询委员会持续验证与优化。

阿里健康“氢离子”市场及生态负责人殷杰先生专题报告

四、汇证启新,智向未来|“氢离子”持续赋能临床循证体系共建

循证智能的演进,终将超越单一文献勘索的工具属性,向着消化肿瘤领域知识体系的协同建构延伸。以“氢离子”为代表的循证范式,其内核并非以算法僭越临床思辨,而是在人机分工的框架下承接证据归集、谱系梳理等高密度信息作业,把研究者的认知资源释放至科学假设、研究设计与个体化临床研判等高阶环节。

随着证据梳理能力持续迭代,这套协同模式有望贯通早筛验证、亚专科研究、科普转化的全链路,弥合前沿证据与临床落地之间的转化鸿沟。长远观之,循证智能将成为消化肿瘤知识生态的有机组分,推动证据生产、核验、传播的闭环重塑,助力本土防控体系走向更严谨、更均质、更具前瞻性的循证图景。

点击“阅读原文”,立即体验“氢离子”

本文仅供医疗卫生专业人士了解最新医药资讯参考使用,不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导,也不应被视为诊疗建议,如果该信息被用于资讯以外的目的,本站及作者不承担相关责任。