邵世豪：医学生的AI探险之旅

编者按

当医学与人工智能碰撞

成为新热点

他带着对科学的热爱和敏锐

在医学与机器学习交叉融合路上

坚定探索，坚持思考

将先进的方法引入医学研究

在顶级会议上发表论文

在国际舞台上勇敢发声

他用独特的视角

让医学之花开在

机器学习领域的枝繁叶茂间

邵世豪  北京大学2017级基础医学八年制本博连读，近三年参加多项机器学习及数据挖掘国际顶级竞赛，屡获殊荣。以共同第一作者（排序第一）、共同通讯作者身份在国际计算机视觉顶级会议——IEEE/CVF（电气与电子工程师协会/计算机视觉协会）国际计算机视觉大会发表论文 Global Features are All You Need for Image Retrieval and Reranking（全局特征是图像检索和重排序中你所需要的一切）。今年，邵世豪又受邀担任IEEE/CVF计算机视觉与模式识别大会审稿人。一位不“常规”的医学生，正以他自己的方式，为未来医学与人工智能研究蓝图交上答卷。

01

              兴趣，也是一大天赋

/

探索医学与人工智能的结合之路，始于邵世豪对这两个领域的深刻兴趣，他谈到这份兴趣时，眼中闪烁着坚定的光芒。

“

俗话说，兴趣是最好的老师。但如今社会高强度的竞争中，很多人将成功归于天赋，而忽略了兴趣本身所带来的价值，我其实想说，兴趣也是一大天赋。

2017年，带着对医学科学的热爱以及推动医学领域进步的愿望，邵世豪来到北京大学基础医学院进行学习。“我一直都深深向往医学，这门治病救人的崇高学科，而我对人工智能的兴趣则始于我首次领略到AlphaGo的魅力。”

在邵世豪的记忆中，正是这次偶然，让他对人工智能产生了浓厚兴趣。而这份兴趣的滋长，既起源于他对医学的热爱，又得益于对机器学习潜力的敏锐嗅觉。

近年来，随着人工智能领域的蓬勃发展，医学与人工智能的交叉研究蓬勃兴起，人工智能在医学领域的应用正逐步成为医疗健康创新的关键推动力。

从初步的医学图像分析到深层次的疾病诊断，人工智能的介入正在为医学实践注入新的活力。通过大数据的分析和深度学习算法的应用，可以更迅速、更精准地诊断各种疾病，人工智能提供强大的辅助工具，有助于解决复杂的医学难题。在不断学习中，邵世豪逐渐产生了深入探索人工智能应用于医学的愿望，“正如历史上物理学为医学带来的革新，从X光、CT扫描到核磁共振，一步步推动了医学领域的进步。”

邵世豪的导师詹启敏院士针对他感兴趣的研究方向，特别为他设计了培养方案，并帮助他选择了医学信息生物学领域崔庆华教授作为共同培养导师。“崔老师对我的帮助非常大，我进入课题组后，崔老师建议我参加了中国模式识别与计算机视觉大会2021阿尔茨海默病分类技术挑战赛，我有幸获得了冠军。”

此次比赛之后，邵世豪发现，这种交叉既是对他先前所学医学理论知识的深入实践，更是一种探寻未知、挖掘潜能的全新方式。这个发现，点燃了他对医学与人工智能探索之旅的激情，推动着他在人工智能领域不断前行。

02

              坚持，才是成功的秘密

/

在医学与机器学习的探索道路上，邵世豪坚信，“坚持”是取得成功的关键。他认识到自己作为医学生，在没有接受计算机专业教育培养的情况下和计算机专业的同学竞争十分困难，更何况还是以最高水平竞赛和论文为追求目标。然而他依旧选择了坚持，他认为只有在计算机领域的顶级竞赛中取得优秀名次，在顶级会议上发表出色方法学论文，才能将先进的机器学习方法引入医学研究，推动医学领域的创新。

“

目前计算机领域的研究者竞争激烈，即使是科班出身的同学，发表顶会文章也极其艰难。导师崔庆华说，邵世豪作为一个医学院的学生，更加关注基础的方法学，坚持投稿顶级会议，是非常不容易的。

邵世豪在国际人工智能与数据挖掘Kaggle竞赛平台的多项竞赛中取得出色名次，三枚金牌、三枚银牌，并因竞赛成绩获评Kaggle竞赛大师，作为kaggle谷歌通用图像嵌入竞赛冠军，受邀前往计算机视觉顶级会议欧洲计算机视觉大会口头汇报比赛方案。

“我印象比较深的是，Kaggle胃肠区域图像分割竞赛这个比赛的金牌，作为强化学习的比赛，我们要训练出一个智能体，不断和别人打比赛计算胜负分，两个小时就会比一场，在只剩最后三次提交机会的时候，我还在银牌区，排名在我之后的人分数还在往上涨，金牌线也水涨船高。因为时差的关系，北京时间第二天早上出分，当天晚上我每两小时醒一次看单局比赛结果，最终依靠最后一个提交，绝杀到了金牌。”

在多次竞赛中获得数项荣誉，不仅证实了邵世豪技术实力过硬，更反映出他坚守初心、持之以恒的毅力。每一次比赛都是一次技术的升华，也是他对医学与计算机领域融合的不懈追求，他的足迹不仅是一次次的胜利，更是对“坚持”的生动诠释。

艰苦地付出终究迎来更多的回报，就在刚刚过去的国际计算机视觉大会上，邵世豪以共同第一作者（排序第一）与共同通讯作者身份完成的论文，被主会场接收，这既是他个人的突破，也是北大医学的突破。

03

             探索，更为创新的方法

/

“

计算机视觉，是人工智能领域和医学交融最好的方向，最典型的就是一些关于影像模式识别的工作，例如，图像分类、分割等。在这个过程中，不仅人工智能技术帮助到了医学，医学的具体任务也促进了一些经典人工智能技术的诞生。比如著名的图像分割网络UNet就首先在医学图像计算与计算机辅助介入领域的国际顶级会议发表。我最初学习人工智能也是从计算机视觉开始的。

邵世豪表达了自己对医学与技术融合领域的深刻理解和无限热情，他表示，将继续深耕医学与机器学习的交叉学科，不仅仅局限于竞赛的技术实践，更要致力于在实际医学研究中探索更为创新的方法。

他关注的焦点不仅在于技术的应用，更在于如何通过技术手段改善医学研究的效率和精准度。他希望通过自己的努力，为医学领域带来更多的新思路，解决实际问题，推动医学领域的发展。

邵世豪深知，前路依旧坎坷难行，但只要探索不停止就会不断有新的惊喜和发现。“无论是比赛还是做AI相关的课题，基本都是用深度学习类的技术，但这类方法在理论解释上也比较薄弱，数学理论类刊物上的研究以探讨传统机器学习技术居多，很多时候都是通过感觉或者基于大量假设的数学推导来推断方法可行性，所以最后的效果经常与之前预想的产生差别，但这个过程也是在磨合与深度学习这套方法的‘默契’，相信以后对于方法有效性的直觉会不断提高。”

邵世豪说，未来自己不仅需要深入了解医学的复杂理论知识，还要熟练掌握人工智能领域的前沿技术，这样的双重任务给他带来了巨大的学习压力和挑战，但对于解锁这个交叉领域更多可能性的渴望，让他毫不畏惧。

“我很期待人工智能为医学带来什么，也期待自己在这个过程中作出更多贡献。”

北京大学医学部 宣

来源 / 《北医》报2023年11月30日第2版

采写、排版 / 冯黄于飞

图片 / 受访者提供

责编 / 武慧媛