中医药是我国独特的卫生资源与战略瑰宝，推动数据智能与中医药研究深度融合具有重大科学意义与现实价值。然而中医药数据多模态、异质性高、标准化不足，传统处理方法难以满足智能模型训练需求；辨证论治的整体观与个体化思维，对人工智能的可解释性与临床推理能力提出严峻挑战。当前，大语言模型、知识图谱与多模态融合技术的突破，为破解上述瓶颈、构建中医药高质量数据集与辨证论治智能模型提供了全新机遇。本次论坛聚焦该领域最新进展与创新路径，特邀中医药信息学、人工智能与数据科学等多学科专家分享前瞻成果，旨在搭建高水平交流平台，汇聚智慧，共同探索以数据智能驱动中医药传承创新与国际化发展的新路径。

        日程

        会议时间：2026年7月25日  9：00

        线上直播：蔻享学术直播平台

专家介绍：

        个人简介：

        徐华，博士，清华大学计算机系（人工智能研究所）研究员，博士生导师，入选2022年省部级“双千计划“科技领军人才。担任中央网信办“大模型”政策咨询专家、“十五五”国家03号科技重大专项核心专家、国家发改委创新实验室咨询专家、国家工信部“科技助力经济2020“重点研发项目验收（绩效评估）专家组组长和国家级创新创业基地创新创业导师。主要研究领域包括：人机多模态智能交互、智能优化和服务机器人等。目前担任爱思唯尔（Elsevier）人工智能领域国际期刊“智能系统及应用”主编和“专家系统及应用”副主编。编写“面向共融机器人的自然交互”学术专著1套（3本）、“演化学习与智能优化”系列学术专著1套（3本），主持编写英文学术专著3部。研究工作主页：https://thuiar.github.io

        报告题目：日间膝关节置换手术风险术前预测方法研究

        报告摘要：全膝关节置换术是治疗终末期膝关节退行性疾病的重要手段，日间手术模式对术前患者筛选和围手术期安全管理提出了更高要求。本报告围绕“48小时内能否安全出院”这一核心临床问题，基于真实世界骨科病例，整合结构化检验指标、病历文本和X光影像等多源信息，构建面向日间膝关节置换手术的术前风险预测方法。研究通过鲁棒特征表征、动态融合与可解释分析，提升对边界患者和复杂临床线索的识别能力，为患者分流、资源配置和精准化围手术期管理提供了智能辅助支持。

       个人简介：

        阿孜古丽，博士，教授/博导 ，长期从事知识工程、人工智能与大数据研究，现任科技部及北京市评审专家、中关村标准化委员会委员、中国人工智能学会智慧医疗专委会委员。近年来聚焦类脑智能技术，在自然语言实体与关系提取、大规模知识图谱构建与推理、人工智能应用等方面取得系列成果。 在中医药信息化领域，具有丰富的名老中医临床数据采集、分析挖掘及智能辅助诊断技术研究经验，已形成中医文献分词、命名实体识别、关系抽取、知识图谱构建与推理等完整工具链，为中医信息化研究提供坚实支撑。先后承担国家863计划、科技支撑计划、国家重点研发计划、科技创新2030“新一代人工智能”重大项目等国家及省部级课题30余项，包括“神色形态多维望诊信息采集共性技术及融合算法”“中医临床智能辅助诊断与决策推荐”等重点课题。 出版《智能中医信息处理技术及应用》（英文）等著作，发表学术论文40余篇，授权发明专利30余项，成果转化与应用5项。获北京市科学技术一等奖1项、二等奖3项，2024年获北京市科技进步二等奖，以及冶金科学技术一等奖、冶金矿山科学技术奖特等奖等多项荣誉。

        报告题目：面向中医智能诊疗的多模态数据融合与辨证决策模型研究

        报告摘要：中医智能诊疗的核心在于融合多源异构数据，实现辨证论治的精准化与智能化。本汇报聚焦面向中医临床的多模态数据融合与辨证决策模型构建，系统探讨舌象、面象、脉象、问诊文本及检验检查等多模态中医数据的采集标准化、特征提取与对齐融合方法。研究基于深度学习与知识图谱技术，构建融合症状-证候-治法-方药的辨证决策模型，实现从多模态输入到辨证论治结论的智能推理。重点阐述多模态特征协同表示学习、中医知识嵌入与临床推理可解释性等关键技术，并结合真实临床场景验证模型效能。旨在突破传统中医诊疗主观性强、经验依赖度高的局限，为中医智能辅助诊疗系统的研发提供理论方法与技术支撑。

        个人简介：

        邓立宗，博士，现任南京医科大学副教授、南京医科大学数智技术与健康治理实验室研究员，并担任中国医药教育协会数字医疗专委会、中国老年保健协会医学人工智能分会等学术组织委员，长期从事医学人工智能理论、技术与政策研究，具体研究领域涉及医学大数据结构化、标准化、医学知识图谱构建、数字医学应用等方向，相关研究成果发表于IEEE Journal of Biomedical Informatics, Journal of Biomedical Informatics, Information Processing & Management，Health Data Science等领域内权威期刊，并获2022年度中国医学人工智能代表性算法等奖励。

        报告题目：面向可信医学人工智能的高质量数据集构建：标准、方法与实践路径

        报告摘要：本报告围绕可信医学人工智能发展对高质量数据集的需求，系统介绍医学数据集构建的基本标准、关键流程与质量控制方法。重点讨论数据来源设计、标准化处理、标注体系建设、专家一致性评价、隐私合规与可复用机制，并结合临床研究与医学人工智能应用场景，阐释如何推动医学数据从原始资源转化为可验证、可治理、可应用的高质量数据资产。

        个人简介：

        黄雨，理学博士，北京大学计算机学院/软件与微电子学院博士生导师，北京大学软件工程国家工程研究中心研究员、领域智能软件研究中心副主任，国家重点研发计划项目首席科学家，北京市科技新星。主持国家级项目共3项，包括国家自然科学基金项目，以及作为首席科学家承担的国家重点研发计划项目；负责或参与科技部重大专项、重点研发计划课题、国家自然科学基金项目、重点研发计划子课题、科技支撑计划、教育部博士点基金、教育部预研基金及北京市科委项目等二十余项，完成科技成果技术作价转化3项。

近期专注于多模态医学大模型与中医药大模型研究，发表论文80余篇（含SCI 20余篇，涵盖AAAI、CVPR、NeurIPS、ACM MM、ICDM、TNNLS、Information Fusion等高水平期刊会议），授权专利20项，申请专利20项，登记软件著作权20项，牵头立项队列平台团体标准体系1项。获教育部二等奖、IEEE中期贡献奖、北京大学产学研奖等荣誉。

        报告题目：EHR 数据治理与科研数据集构建

        报告摘要：电子健康档案（EHR）数据是医学人工智能研究的核心资源，但其多源异构、质量参差、标准不一等特性严重制约了科研数据集的构建效能与模型可靠性。本汇报聚焦EHR数据治理的关键技术与实践路径，系统阐述从原始临床数据到高质量科研数据集的全流程治理框架。内容涵盖数据标准化与互操作、缺失值与异常值处理、隐私脱敏与安全合规、临床术语映射与语义对齐等核心技术环节，并结合真实世界研究案例，探讨数据质量控制、标注规范制定及数据集版本管理等最佳实践。旨在为可信医学人工智能提供坚实的数据基础，助力临床科研的高效转化与应用落地。