讲座题目一：迈向2030年肿瘤精准诊疗：AI+X多维度全方位赋能肿瘤病理新思维

主讲人简介

杨宝诚，中国教育部国家级人才、新加坡卫生部国家级人才。现任新加坡中央医院免疫病理总监，新加坡A*STAR分子与细胞生物学研究院课题组长、首席科学家。国际空间组学领域先驱，发表学术论文150余篇，受邀在百余个国际会议作特邀报告。兼任SITC、WIC、ASCO、ESMO等多个国际肿瘤免疫顶级学会核心学术职务。

当前肿瘤精准诊疗正经历从形态学描述到空间分子表型解析的范式转变。杨宝诚教授研发TIMES评分系统，通过量化肿瘤微环境中免疫细胞的空间分布，将肝癌复发风险预测准确率提升至82.2%，性能显著优于传统TNM分期，成果登上《Nature》封面，印证空间免疫信息是精准诊疗的全新关键维度。依托常规 H&E 切片的虚拟多重免疫荧光技术（GigaTIME 框架），可从约4000万个细胞中学习形态-蛋白映射，在大队列生成虚拟mIF图像，实现肿瘤免疫微环境的系统性解析。本次讲座，杨宝诚教授将系统阐释AI+X如何从空间、分子、形态、时序多维度赋能肿瘤病理，并展望至2030年肿瘤精准诊疗的发展路径。

邢小涵，新加坡国立大学诊断放射学系、电子工程系双聘助理教授，香港中文大学博士，美国斯坦福大学博士后。长期深耕医学人工智能领域，主攻医学成像分析、多模态学习与精准医疗，聚焦医学影像、数字病理、基因组学等多源医疗数据融合建模，致力于依托AI技术赋能疾病精准诊断、预后评估与临床治疗决策。科研成果丰硕，先后在Proceedings of the IEEE、IEEE TMI、Medical Image Analysis、CVPR、ICCV、MICCAI等国际顶级期刊及会议发表多篇论文，斩获MICCAI青年科学家奖、ASTRO最佳物理奖等多项重要学术荣誉。

多源异构的临床数据难以有效融合，是当前精准医疗解析复杂疾病机制、开展精准诊疗的核心瓶颈。随着医学影像、多组学与人工智能技术的迭代升级，如何依托AI实现跨模态信息融合与智能推理，成为医学领域的研究重点。本次讲座以“从多模态学习到疾病理解”为主题，分享医学AI前沿研究成果。重点介绍多源医疗数据融合建模方法，以及模态缺失场景下的跨模态知识迁移技术；结合基础模型与多模态智能体，推动医学AI实现智能推理与通用泛化；通过跨模态生成技术，实现病理虚拟染色、空间转录组预测等创新应用。报告将展现医学AI全链条技术创新，为复杂疾病精准分型、预后评估及精准医疗临床落地提供全新技术支撑。