医学新质生产力研究进展及展望

摘要/Abstract

摘要：

医学新质生产力，包括人工智能（AI）、物联网（IoT）、元宇宙以及生成预训练模型（GPT）等技术，正在疾病预防、诊断、治疗以及患者自我管理等多个环节中发挥作用。在预防方面，新质生产力可通过大数据分析和健康风险评估工具，帮助人们提前识别健康风险因素，从而采取预防措施。在诊断方面，AI和GPT等技术在医学影像处理和自然语言处理方面表现出卓越能力，可以辅助医生解读CT、MRI等医学影像资料，提高诊断的准确性和效率。在治疗方面，新质生产力不仅助力制定个性化治疗方案，还在远程监控和治疗执行中发挥关键作用。在患者教育和自我管理方面，新质生产力通过虚拟现实（VR）和增强现实（AR）技术，为患者提供了更加直观和互动的学习体验。在质量控制方面，新质生产力通过物联网技术实现了医疗质量的实时监控和预警。通过对医疗数据的实时分析，可以预测医疗质量的趋势，及时发现和纠正医疗过程中的问题，从而提高医疗服务的整体质量。展望未来，随着技术的进步和法规的完善，医学新质生产力将在更多领域得到应用，并推动医疗服务向更加个性化、精准化和高效化的方向发展。

关键词: 人工智能, 机器学习, 物联网, 虚拟现实, 增强现实, 元宇宙医学

Abstract:

New quality productive forces of medicine， including technologies such as artificial intelligence （AI）， the Internet of Things （IoT）， the metaverse， and the generation of pre-trained models （GPT）， are playing a role in disease prevention， diagnosis， treatment， and patient self-management. In terms of prevention， new quality productive forces can help people identify health risk factors in advance and take preventive measures through big data analysis and health risk assessment tools. In terms of diagnosis， technologies such as AI and GPT have demonstrated excellent capabilities in processing medical images and natural language processing， which can assist doctors in interpreting medical image data such as CT and MRI， and improve the accuracy and efficiency of diagnosis. In terms of treatment， new quality productivity forces not only helps to develop personalized treatment plans， but also plays a key role in remote monitoring and treatment execution. In terms of patient education and self-management， new quality productive forces provides patients with a more intuitive and interactive learning experience through virtual reality （VR） and augmented reality （AR） technologies. In terms of quality control， new quality productive forces realizes real-time monitoring and early warning of medical quality through Internet of Things technology. Through real-time analysis of medical data， it is possible to predict the trend of medical quality， find and correct problems in the medical process in time， and improve the overall quality of medical services. Looking forward to the future， with the advancement of technology and the improvement of regulations， the new quality productive forces of medicine will be applied in more fields， and promote the development of medical services in the direction of more personalized， precise and efficient.

Key words: , Artificial intelligence； , Machine learning； , Internet of things； , Virtual reality； , Augmented reality； , Metaverse in medicine

中图分类号:

宋元林, 蒋维芃, 胡洁, 白春学, .

医学新质生产力研究进展及展望 [J]. 中国医药导刊, 2025, 27(2): 135-141.

SONG Yuanlin, JIANG Weipeng, HU Jie, BAI Chunxue, .

Research Progress and Prospect of Medical New Quality Productive Forces [J]. CHINESE JOURNAL OF MEDICINAL GUIDE, 2025, 27(2): 135-141.

参考文献

［1］白春学.医学新质生产力之我见［J］.元宇宙医学，2024，3（1）：3-10.

［2］顾建英，宋振举，白春学.拥抱新质生产力，开创医学新时代［J］.元宇宙医学，2024，3（1）：1-2.

［3］ Schwalbe N， Wahl B. Artificial intelligence and the future of global health［J］.Lancet，2020，395（10236）：1579-1586.

［4］ Haug CJ， Drazen JM. Artificial intelligence and machine learning in clinical medicine［J］.N Engl J Med，2023，388（13）：1201-1208.

［5］白春学.实用物联网医学［M］.北京：人民卫生出版社，2014.

［6］白春学，赵建龙.物联网医学［M］.北京：科学出版社，2016.

［7］ Venkatesan M， Mohan H， Ryan JR， et al. Virtual and augmented reality for biomedical applications［J］.Cell Reports Medicine，2021，2（7）：100348.

［8］ Yang D， Zhou J， Song Y， et al.Metaverse in medicine［J］.Clinical eHealth，2022，5：39-43.

［9］ Yang D， Zhou J， Chen R， et al. Expert consensus on the metaverse in medicine［J］.Clinical eHealth，2022，5：1-9.

［10］ Chen ZH， Lin L， Wu CF， et al. Artificial intelligence for assisting cancer diagnosis and treatment in the era of precision medicine［J］.Cancer Communications （London， England），2021，41（11）：1100-1115.

［11］ You Y， Lai X， Pan Y， et al. Artificial intelligence in cancer target identification and drug discovery［J］.Signal Transduction Targeted Therapy，2022，7（1）：156.

［12］ Haue AD， Hjaltelin JX， Holm PC， et al. Artificial intelligence-aided data mining of medical records for cancer detection and screening［J］.Lancet Oncology，2024，25（12）：e694-e703.

［13］ Dorsey ER， Topol EJ. Telemedicine 2020 and the next decade［J］.Lancet，2020，395（10227）：859.

［14］ Fitzgerald RC， Antoniou AC， Fruk L，et al. The future of early cancer detection［J］.Nat Med，2022，28（4）：666-677.

［15］ Denny JC， Collins FS. Precision medicine in 2030-seven ways to transform healthcare［J］.Cell，2021，184（6）：1415-1419.

［16］ Kuehn BM. Virtual and augmented reality put a twist on medical education［J］.JAMA，2018，319（8）：756-758.

［17］谈在祥，刘逸天.卫生健康领域新质生产力的内涵特征及发展路径［J］.卫生经济研究， 2024，41（6）：1-4.

［18］ Elemento O， Leslie C， Lundin J， et al. Artificial intelligence in cancer research， diagnosis and therapy［J］.Nat Rev Cancer，2021，21（12）：747-752.

［19］ Kann BH， Hosny A， Aerts H. Artificial intelligence for clinical oncology［J］.Cancer cell，2021，39（7）：916-927.

［20］ Hosny A， Parmar C， Quackenbush J，et al.Artificial intelligence in radiology［J］.Nat Rev Cancer，2018，18（8）：500-510.

［21］ Shanahan M， Mcdonell K， Reynolds L. Role play with large language models［J］.Nature，2023，623（7987）：493-498.

［22］ Bi WL， Hosny A， Schabath MB， et al. Artificial intelligence in cancer imaging：clinical challenges and applications［J］.CA Cancer J Clin，2019，69（2）：127-157.

［23］ Lipkova J， Chen RJ， Chen B， et al. Artificial intelligence for multimodal data integration in oncology［J］.Cancer Cell，2022，40（10）：1095-1110.

［24］ Gerstung M， Liu D， Ghassemi M， et al. Artificial intelligence［J］.Cancer Cell，2024，42（6）：915-918.

［25］ Yang D， Xu T， Wang X， et al. A large-scale clinical validation study using nCapp cloud plus terminal by frontline doctors for the rapid diagnosis of COVID-19 and COVID-19 pneumonia in China［J］.Clinical eHealth，2022，5：79-90.

［26］ Prosper AE， Kammer MN， Maldonado F， et al. Expanding role of advanced image analysis in CT-detected indeterminate pulmonary nodules and early lung cancer characterization［J］.Radiology，2023，309（1）：e222904.

［27］ Barata C， Rotemberg V， Codella NCF， et al. A reinforcement learning model for AI-based decision support in skin cancer［J］.Nat Med，2023，29（8）：1941-1946.

［28］ Wu S， Roberts K， Datta S， et al. Deep learning in clinical natural language processing： a methodical review［J］.JAMIA，2020，27（3）：457-470.

［29］ Mulyadi AW， Jung W， Oh K， et al.Estimating explainable Alzheimer's disease likelihood map via clinically-guided prototype learning［J］.NeuroImage，2023，273：120073.

［30］ Chan YY， Wang P， Rogers L， et al. The asthma mobile health study， a large-scale clinical observational study using research kit［J］.Nat Biotechnol，2017，35（4）：354-362.

［31］ Checcucci E， Veccia A， Puliatti S， et al. Metaverse in surgery-origins and future potential［J］.Nature Reviews Urology，2024.DOI：10.1038/s41585-024-00964-x.

［32］ Abedi A， Colella TJF， Pakosh M， et al. Artificial intelligence-driven virtual rehabilitation for people living in the community：a scoping review［J］.NPJ Digital Medicine，2024，7（1）：25.

［33］ Wang DD， Hu FB. Precision nutrition for prevention and management of type 2 diabetes［J］.Lancet Diabetes Endocrinol，2018，6（5）：416-426.

［34］ Jiang W， Jin X， Du C， et al. Internet of things-based management versus standard management of home noninvasive ventilation in COPD patients with hypercapnic chronic respiratory failure： a multicentre randomized controlled non-inferiority trial［J］.E Clinical Medicine，2024，70：102518.

［35］ Huynh E， Hosny A， Guthier C， et al. Artificial intelligence in radiation oncology［J］.Nat Rev Clin Oncol，2020，17（12）：771-781.

［36］ Callaway E. 'ChatGPT for CRISPR' creates new gene-editing tools［J］.Nature，2024，629（8011）： 272.

［37］ Zhu J， Wang J， Wang X， et al. Prediction of drug efficacy from transcriptional profiles with deep learning［J］.Nat Biotechnol，2021，39（11）：1444-1452.

［38］ Liao S， Gao Y， Lian J， et al. Sparse patch-based label propagation for accurate prostate localization in CT images［J］.IEEE Trans Med Imaging，2013，32（2）：419-434.

［39］ Yang X， Wang Y， Byrne R， et al. Concepts of artificial intelligence for computer-assisted drug discovery［J］.Chemical Reviews，2019，119（18）：10520-10594.

［40］白春学，王悦虹，蒋维芃.元宇宙赋能健康管理的意义及展望［J］.元宇宙医学，2024，3（1）：16-21.

［41］ Seth M， Jalo H， Högstedt Å， et al. Technologies for interoperable internet of medical things platforms to manage medical emergencies in home and prehospital care：scoping review［J］.J Med Internet Res，2025，27：e54470.

［42］ Gumaa M， Rehan Youssef A. Is virtual reality effective in orthopedic rehabilitation？a systematic review and Meta-analysis［J］.Physical Therapy，2019，99（10）：1304-1325.

［43］ Abbasgholizadeh Rahimi S， Légaré F， Sharma G， et al. Application of artificial intelligence in community-based primary health care：systematic scoping review and critical appraisal［J］.J Med Internet Res，2021，23（9）：e29839.

［44］ Antel R， Abbasgholizadeh-Rahimi S， Guadagno E， et al. The use of artificial intelligence and virtual reality in doctor-patient risk communication：a scoping review［J］.Patient Education and Counseling，2022，105（10）：3038-3050.

［45］宋元林，宋振举，钱菊英，等.元宇宙技术在医疗质量控制中的应用［J］.元宇宙医学，2024，2（1）：1-8.

［46］ Calderwood MS， Anderson DJ， Bratzler DW， et al. Strategies to prevent surgical site infections in acute-care hospitals： 2022 Update［J］.Infection Control and Hospital Epidemiology，2023，44（5）：695-720.

［47］ Koetzier LR， Mastrodicasa D， Szczykutowicz TP， et al. Deep learning image reconstruction for CT：technical principles and clinical prospects［J］.Radiology，2023，306（3）：e221257.

［48］ Christopoulou F， Tran TT， Sahu SK， et al.Adverse drug events and medication relation extraction in electronic health records with ensemble deep learning methods［J］.JAMIA，2020，27（1）：39-40.

［49］ Elangovan D， Long CS， Bakrin FS， et al. The use of blockchain technology in the health care sector：systematic review［J］.JMIR Medical Informatics，2022，10（1）：e17278.

［50］ Kostick-Quenet K， Rahimzadeh V. Ethical hazards of health data governance in the metaverse［J］.Nature Machine Intelligence，2023，5（5）：480-482.

［51］ Minssen T， Vayena E， Cohen IG. The challenges for regulating medical use of ChatGPT and other large language models［J］.JAMA，2023，330（4）：315-316.

[1]	姚筱朵祖国秀沈悦汤继芹. 溃疡性结肠炎活动期与非活动期的特征基因及靶向中药预测研究：基于生物信息学和机器学习[J]. 中国医药导刊, 2025, 27(3): 247-256.
[2]	骆实, 曹凤朝, 韩亮. 全球药品监管机构药品AI应用监管法规框架 [J]. 中国医药导刊, 2025, 27(2): 109-116.
[3]	郭颖, 王点墨, 邹碧君, 何莲珠, 李苏. 基于机器学习方法的临床研究报告规范和建议 [J]. 中国医药导刊, 2025, 27(2): 201-206.
[4]	田建, 王寒明, 谭建, 姜军, 耿久军, 李瑛琦. 虚拟现实交互式平衡训练联合智能运动反馈训练对PSLH患者功能恢复的影响 [J]. 中国医药导刊, 2025, 27(1): 64-68.
[5]	刘涛, 张钰, 李钻, 种璟, 靳泽宇, 杨东, 肖楠, 孙玲. 人工智能在药品审评中的应用展望 [J]. 中国医药导刊, 2024, 26(5): 504-510.
[6]	夏天雨a, 周怡b, 尤翀, 周晓华ab, 国家重点研发计划“面向药品现代化监管的智能化服务平台”项目团队. 面向临床研究的统计软件系统开发 [J]. 中国医药导刊, 2024, 26(11): 1080-1086.
[7]	王栋毅, 李伟栋, 周琼, 贾晓涛. 虚拟现实技术联合康复功能训练对偏瘫患者DTI功能成像和上肢运动功能的影响[J]. 中国医药导刊, 2023, 25(5): 533-537.
[8]	刘国秀, 赵思进, 杨宛君, 俞辰倩, 曾凤萍, 王培杰, 申屠银洪, 吴涛, 倪善林, 郦春锦, 王燕平, 翟华强, 金世元. 基于物联网技术的六神曲生产全流程追溯监管体系构建[J]. 中国医药导刊, 2023, 25(1): 105-109.
[9]	王亚铃, 钱晨亮, 姚明丽, 司鑫鑫, 夏杰. 基于深度神经网络的DYRK1A抑制剂预测模型研究[J]. 中国医药导刊, 2022, 24(7): 672-677.
[10]	朱俊杰, 田卓宛, 贺宇, 冯莉. 智慧医疗融合5G发展的现状与展望[J]. 中国医药导刊, 2021, 23(5): 380-383.
[11]	黄嘉宁,沈洁,黄璐,胡宝英. 虚拟现实技术在常规胃镜检查中的应用价值研究[J]. , 2018, 20(5): 293-295.
[12]	王超,刘毅,钱侃. 一种用于食品安全的物联网网络数据库解决方案[J]. , 2017, 19(10): 1077-1080.

快速检索引用检索图表检索高级检索