从左至右依次为： 陈长汶教授，李学金教授，黎子良教授，罗智泉教授，戴建岗教授
由AI医疗应用驱动的分布式安全计算
来自上海交通大学医学机器人研究所生物医学工程学院和人机智能研究中心主任的钱大宏教授主要从计算机深入学习的角度强调了人工智能在医疗领域的重要价值。
他认为，医疗信息虽然几经发展变革，但现如今不论是研究人员，还是医院，医疗制药产业都对医疗信息有着极大的需求。传统的中心式数据管理模式存在着很多缺陷，如信息安全无法得到保障而带来的隐私问题，数据分布式存放而导致的效率问题。
钱大宏教授介绍人工智能在医疗领域的作用
为了建立一体化的医疗信息系统，钱教授提出了他的解决方案：并行分布式安全计算(Parallel Distributed Secure Computing)。从算法的角度，教授给同学们简单讲解了并行式算法以及机器学习的相关应用，内容极具启发性。
寻找新的内源性雌激素衍生物：珍宝的金矿
香港中文大学（深圳）理工学院副院长朱宝亭教授主要从生物学角度介绍了他在新型内源性雌激素衍生物上的研究成果，并称该激素为人类的一笔宝藏。
首先，朱教授介绍了雌激素在生理上的一系列重要作用，例如对于女性身体的修复功能，以及对于人体心血管系统的保卫功能。
此后，朱教授又和同学们分享了他所在室验室近年来的主要贡献，包含内源性雌激素二聚物，神经保护型雌激素，雄性特有雌激素，孕期雌激素三醇等。
朱宝亭教授介绍研究成果
在讲座的最后，多名教授就朱宝亭教授介绍的内容现场展开热烈的提问和讨论，学术氛围非常浓厚。
医学中的大数据研究：机会与挑战
来自香港中文大学生命科学院与环球医学领袖培训专修组的黄丽虹教授就当下大数据与医疗的结合介绍了几点机遇与挑战。
黄教授首先谈到了自己对于大数据的理解： 大数据的“大”并不仅指数量，还体现在数据来源、类型、多样性等几个方面。而医疗健康领域的八个大数据来源分别为：文本记录、患者生成的健康数据、基因组、生理情况监控数据、公开数据、信用卡和消费数据、社交媒体数据和医疗影像数据。
接下来，黄教授介绍了医疗大数据调查的机遇。医疗大数据可以在六种案例下得到很好的应用：高开销病人、分诊、失代偿（预测和预防）、不良反应的治疗方案和用药、治疗最优化（个性化）。
大数据应用能够在降低病人开销的同时提高诊断结果的质量，譬如通过AI算法训练阅读X光片，可以避免医生漏诊早期病症中不显著的病灶以至于耽误最佳治疗时间。已有的成果表明AI在这个项目上的正确率可以达到90%以上，而普通医生平均只有60%以上的正确率。
目前，新兴的数据健康产业引发了新一轮淘金热。基因组医疗的未来则在于精准医疗，这需要包括遗传信息、表型信息、卫生保健在内的多种数据作为支撑。
她举出了香港医院管理局数据共享门户(HADCL)作为实例。香港医院管理局设有数据协作实验室，致力于推动香港医疗创新；引入了香港健康管理云视觉，将香港特别行政区 GovCloud、public cloud和HA cloud联动在了一起；另外还有处在试验阶段的数据编目。
HADCL的长期目标是扩展数据、基础架构和服务容量，扩展服务配置文件。临床系统的病人护理服务也是一个关键的机遇，通过大数据调查，可以为民众医疗的所有阶段（预防、预约、治疗、死亡等）提供更精准便利的服务。
黄丽虹教授讨论大数据与医疗结合的机遇与挑战
同时，医疗大数据调查还面临着许多挑战。
首先即如何保障私人数据，尤其是敏感数据的安全，因为不识别数据身份并不能保障匿名性。为此，香港制定了私人数据保障原则条例，以法律形式保护私人数据。
其次，医疗数据沉没也是需要面临的一个问题。现收集到的数据中有80%是非结构化的，有着相差极大的存储格式，因此利用效率低下。
第三，医学大数据生态系统包括四方利益相关者：患者、制药公司、投资方（保险、政府）、提供方（医院）。四方的利益都需要纳入考量范围。
第四，HADCL平台等的建立还需要大数据平台的完善和许多团队成员的加入，如数据科学家、认知和行为心理学家等。
最后，黄教授展望了医疗大数据的未来。她认为会像互联网一样具有变革性，同时也会有许多对隐私的影响。患者、制药公司、投资方、提供方会共赢，但也会受到一些小的负面影响。
“自发荧光模式”技术：
一种新的健康监测，诊断和康复效果评估策略
上海交通大学生物医学工程学院和Med-X研究院的殷卫海教授介绍了团队自主研发的“自发荧光模式技术：一个健康管理，诊断和康复评估的新战略”。“自发荧光模式“ 是人体多个皮肤和指甲位置角蛋白自发荧光的强度、位置、不对称性的总和，是用于无创、快速、便携、经济、准确评估人体健康状态以及诊断疾病，评估健康效果和疗效的一个颠覆性技术。
同时，殷教授现场展示了团队设计的几代产品图样和在复旦附属医院临床研究基地的科研结果，获得了在场教授的一致好评和热情互动。令人欣喜的是，自发荧光模式技术在不同病症中的应用同时论证了中医学的相关理论。荧光检测产生变化的部位和中医针灸相关穴位相当吻合。这可能预示着该技术的应用对中医的发展会产生极为深远对影响。
最后，殷教授展示了自发荧光模式技术的社区应用基地，并激动的表达了未来在深圳香港建设临床应用基地的期望。
在斯坦福大学的黎子良教授的主持下，来自华大基因的侯勇博士，清影科技的邹昊博士和腾讯科技部的邓月堂博士分享了他们对于生物技术、医学影像和移动健康产业的见解，并进行了精彩的讨论。
华大基因的侯勇博士探讨了分子、细胞层面的精准医学和宏观层面的传统的循证医学的比较。他以自己在几年中健康状况的变化为例，展示了他的Trans-omics数据，即通过整合蛋白组学、基因组学、表观组学等多组学的数据资源建构跨越多组学的生化调控网络，让人们可以方便地看到自身包括代谢在内的多方面健康状况。
邹昊博士分享的核心内容为人工智能与未来医疗人工智能。他对未来医疗的构想是人工智能医院+互联网医院+全生命周期健康管理。其中，人工智能医院是指将“AI辅助诊断系统”、“智能运管”等人工智能相关技术全面嵌入“医疗大数据中心”，进行分析运作；互联网医院是指通过互联网实现在线网诊、远程会诊等诊断方式，使好的医疗资源能够共享；全生命周期健康管理平台包括了疾病风险预测、慢病管理系统和智能健康管理版块，将能在保险客户健康中得到应用。
腾讯微信架构师邓月堂博士在分享中提到互联网和移动数据的基本挑战。 近几年，随着技术发展，来自互联网和移动端的数据量增速极快，发展为真正的大数据。在这样的背景下，数据挖掘就显得非常重要，同时也极富挑战。
他以微信搜索功能为例，提出Bias，即偏好是非常重要的潜在反馈。Bias分为Position bias和Presentation Bias，前者指用户偏好查看排位在前面的内容，而不爱查看排位在后面的即便相关度更大的内容；后者指被强调展示的条目会更多被查看，因此即使相关度并不高，也会有很多点击量。因此，不点击不代表不相关。
邓月堂博士探讨互联网和移动数据的基本挑战
在讨论环节中，三位嘉宾与台下的各位听众一起讨论了许多问题：包括如何在个人的经济状况有较大差异的情况下实现人人医疗，在越来越多的人掌握了深度学习的情况下如何判断自己的产品、软件等是否是最好的等。各位嘉宾也认真发表了各自的见解。
三位嘉宾与听众互动
殷卫海教授还提到希望与深圳市政府合作建立Big Health Institute (大健康机构)，帮助深圳大健康产业的发展。
从实验室到床边和社区：
转化医学和全球健康的最新进展
斯坦福大学的黎子良教授在讲座中介绍了精确医学时代负担得起的临床试验的适应性设计，数据科学和人工智能在医疗产品开发和卫生保健分析中的应用，在数据共享/信息交换中超越Celerate计划，精确的心理健康和健康和真实世界的数据和证据。
黎子良教授介绍转化医学和全球健康的最新进展
-END-
图片/ 高炜东 级理工学院、思廷书院
刘烨州 级理工学院、祥波书院
贺遥 级理工学院、逸夫书院
钱润彤 级理工学院、思廷书院
文案/ 吴澜 级理工学院、思廷书院
邵诗雯 级理工学院、思廷书院
排版/ 任柳静 级理工学院、思廷书院
