基于数学科学的加持和完善，一些医学事件已获得更好的解析。例如，对于“衰老”这一生命活动的典型非线性事件，一项研究用多种数学分析算法对超过2400亿数据点进行分析后，成功呈现了其发生发展规律。

　　数据问题仍是制约人工智能在医学领域深入应用的瓶颈。丘成桐说，医学数据存在“噪声”（数据集中错误或无关的信息）和缺失值等问题，传统方法在处理这些问题时往往需要复杂的预处理，增加了数据处理的复杂性和不确定性，影响模型准确性。

　　国家卫生健康委规划发展与信息化司一级调研员沈剑峰认为，当前需建设医疗领域高质量数据集和人工智能语料库，以突破专业语料不足、多模态处理不一致等大模型技术瓶颈。“相关部门正在通过标准化建设、跨机构数据共享和垂类模型应用开发等措施，加强数据价值的挖掘，提升诊疗效率和精准度。”他介绍。

　　直面安全与治理，构建医疗新生态

　　安全与治理是医学人工智能发展的重要议题。生理数据、病史信息等医疗数据事关每一名患者的隐私和生命权，如何不“因噎废食”，在保护安全的同时充分利用医疗数据？

　　“应设立数据过滤器自动屏蔽违反伦理的数据源，建设医疗可信数据空间促进数据共享流通。”王江平强调，数据集建设必须把隐私保护放在突出位置，深度融合医学专业知识与先进的数据科学技术，通过隐私计算、术语标准化、多模态关联和小样本增强等策略，有效应对医疗数据敏感性和碎片化等问题。