近年来，AI广泛落地各行业，其生产力提升价值已成共识。在医疗领域，尤其是基因检测与病原感染这个天然由技术驱动的学科中，AI的潜力同样令人期待。近日，由广东省人民医院检验科顾兵教授牵头、华大基因提供 PMAID 智能体模型底座的“mNGS 病原检测智能体多中心临床转化项目”正式启动全国医院招募。

围绕项目设计思路与临床落地价值，我们专访了华大感染方向负责人邓子卿博士。

谈及合作mNGS病原检测智能体多中心临床转化项目的初衷，邓子卿博士先分析了mNGS落地临床的现实困境。他指出，mNGS的实验流程涵盖样本采集、DNA/RNA提取、建库测序、生信分析与病原判定，最终衔接临床诊断。“现在mNGS经过几年的实践，检验部分已经比较成熟了。检验测到什么序列，它是什么病原体，准确率已经很高了。”邓子卿博士说，“但是在临床使用中，大家有时候还是会遇到：检测到这个病原，它可能不是最后的致病菌，或者报告爆出了太多病原，而真正致病的可能只是其中一两个。”而这一突出痛点，恰好是人工智能可以发挥作用的领域。

有经验的检验科医生和临床医生看到测序数据，能够结合患者的病史、临床表现和流行病学背景，较大概率地做出正确判读。邓子卿博士认为：“整套综合研判工作，十分适合交由 AI 实现标准化落地，把专家的判读经验转化为可复用的判定能力。”基于这一判断，PMAID 系统的设计思路清晰成型：汇总海量既往检验判读记录与临床确诊病例，打通测序报告与最终诊断的数据关联，让 AI 模型深度学习头部医院专家的判读逻辑。

这套技术方案的价值，远不止于效率提升。“国内人口基数大、地域跨度广，各地诊疗水平差距明显。”邓子卿博士直言，“我相信我们用头部医院优秀医生的经验训练出的这个模型，也可以去帮基层医院更好、更快、更准地去做一些病原测序的判读。”在他看来，AI的价值在于将稀缺的专家经验从一线城市的三甲医院，传递到每一个需要它的基层检验科，这正是医疗技术普惠的核心意义。

当前各类大模型逐步落地医学分析场景，AI凭空生成不实结论的“幻觉”现象已是行业共性难题。作为技术方，邓子卿博士对大模型存在的这一风险有着理性认知。“现阶段，模型产生幻觉的问题暂时无法完全规避。”他坦率说道，并给出一个贴切类比：“就像智能驾驶，车辆的最终控制权仍握在驾驶员手中，事故判定、关键抉择都需要人来拍板。医疗场景容错空间更小、事关生命健康，就更要守住人主导决策的底线。”

这一立场决定了PMAID系统的定位。“AI永远是工具，医生的测序能力和解读能力培训还是必不可少的。”邓子卿博士强调，技术拥抱者不等于技术盲信者。在此阶段，医生的最终判断不可替代。

但务实不意味着保守。对于技术演进的底层逻辑，邓子卿博士给出了清晰的判断：“我们还是坚信，数据只要足够多，模型足够好，出现幻觉的可能性就会越低。”这正是多中心项目的核心意义所在，当前模型基于部分头部医院的数据训练，面对全国多样化的流行病学背景，必然存在泛化问题。“我们也是希望通过这个多中心有更多的医院进来，一起有更多的数据输入，把这个模型迭代好。”

当被问及这一AI系统未来将以何种形式落地基层时，邓子卿博士描绘了一条清晰的演进路径。现阶段，PMAID将直接部署在测序仪旁的小型服务器上，与测序数据无缝衔接。对于行业远期发展，他也有着更具前瞻性的判断：“我觉得以后AI也会变成一个医院的‘底座’。就像以前信息化是一个医院的底座一样，AI可能会直接在全院部署，组学数据直接连接到HIS和LIS系统，由AI模型去做辅助诊断。”在他看来，AI终将像今天的操作系统一样，成为临床诊疗基础设施的一部分。

谈及华大基因在项目中的定位，邓子卿博士给出了两个关键词——技术的“倡导者”与“服务者”，从基因测序到生物信息分析，从PMAID智能解读系统到多中心共建的AI辅助决策平台，华大基因正以技术底座的角色，将前沿AI能力注入感染诊疗的每一个环节。

从mNGS的“检得出”到AI智能解读的“判得准”，从头部医院的单点验证到全国多中心的协同共建，这条路径对应着一个核心命题：如何让前沿的基因检测技术与稀缺的临床判读经验，突破地域和层级的壁垒，真正惠及每一个需要精准病原诊断的患者。

邓子卿博士表示，这项多中心项目最关键的价值，便是迈出行业智能化转化的关键一步，推动病原测序解读能力在各级医院标准化落地，整体提升感染性疾病诊疗效能。