黄天荫：人工智能在医疗领域的运用，有无限潜力，也充满寻衅。
第一，算法够不足精准？目前，人工智能更靠近一名全科年夜夫，在处置常见病、多发病方面表现不俗，但在亚专科疾病诊治方面尚有提升空间。
第二，判断失落误怎么办？人工智能基于数据学习和整合，存在因数据来源单一而造成医疗缺点的可能。
比如，一些模型依赖从发达国家网络的数据，忽略了短缺数据的发展中国家的临床问题。
第三，人工智能与医护职员的关系是替代还是补充？一方面，人工智能可能引起医护职员的本领惶恐，加剧他们对职业的担忧；另一方面，也可能颠覆现有的医学人才培养模式，如过去须要培养100名年夜夫，而未来或许培养10名年夜夫就已足够。
第四，医疗信息系统能否兼容人工智能？多数医疗机构的内部运行更靠近半数字化，部分事情仍需依赖纸质表单，而人工智能以全数字化形态进入，难免会产生冲突。
第五，人工智能运用于医疗须要更明确的政策和标准。
由谁来评判人工智能技能能否履行、履行效果如何，这些彷佛未能达成共识。

黄天荫：“眼睛是心灵之窗，也是疾病之窗”，部分眼底病变可能是全身材系疾病的局部表现。
但在过去相称长的一段韶光里，凭借眼底照片，眼科年夜夫仅能对身体干系系统“康健”和“极不康健”的情形作出判断，而对介于两者之间的模糊地带较难把握。
近年来，人工智能深度学习和大措辞模型持续发展，“照亮”了中间的盲区，从而能更及时、更准确地预知干系系统疾病的发生风险。
目前的问题是，如何对人工智能供应的诊断信息加以利用，进而优化治疗方案。
清华大学正在筹建北京视觉科学与转化医学研究中央，将致力于推动视觉科学领域本色性互助和打破性进展。