为深化全球学术交流合作，落实北京大学“管理质效年”工作部署，在北京大学医学部国际合作处高端学术讲座项目、中国国际人才交流基金会国际青年人才来华交流项目、国家自然科学基金和北京大学临床医学+X青年专项的联合支持下，北京大学肿瘤医院于2026年7月31日至8月7日举办“中－加－英智能放射诊疗跨学科协作交流活动”。

本次活动特邀国际知名医学物理学家Arman Rahmim教授做学术讲座。Rahmim教授现任加拿大英属哥伦比亚大学（The University of British Columbia, UBC）医学物理与生物医学工程学系教授、博士生导师、QURIT实验室主任，兼任加拿大BC省癌症中心杰出科学家/核医学物理师、加拿大健康研究院（CIHR）医学物理与影像（MPI）基金评审委员会委员、美国核医学与分子影像学会（SNMMI）人工智能分会主席及人工智能—剂量测定专委会主席，曾任SNMMI物理、仪器与数据科学理事会（PIDSC）副主席（2017—2018年）和主席（2018—2019年）。Rahmim教授长期从事分子影像引导的精准诊疗基础研究与临床应用转化，在IEEE TMI、Medical Physics等高水平期刊及SNMMI、EANM、AAPM等国际知名会议上发表学术成果240余篇，累计被引超过22 000次，并受邀在全球科研与临床机构作学术报告150余场。他曾于2016年获美国医学物理学家协会（AAPM）John S. Laughlin青年科学家奖，2022年获SNMMI主席杰出服务奖。

Arman Rahmim教授发表学术报告

Rahmim教授此次访华共带来3场医学人工智能相关前沿学术讲座，题目分别为Computational Oncology, Virtual Clinical Trials, and Digital Twinning of Cancer Patients for Precision Therapies（《面向精准治疗的计算肿瘤学、虚拟临床试验与患者数字孪生》）、Towards Trustworthy Medical AI Ecosystems for Bedside Impact—Medical Imaging AI Needs Serious Rethinking & Redoing!（《面向临床影响力的可信医疗AI生态系统—医学影像AI亟须严肃反思与重构！》）和Best Practice Guidelines for Medical AI—Algorithm Development and Validation（《医疗AI最佳实践指南——算法开发与验证》）。基于其团队自主研发的PyCNO开源框架，Rahmim教授重点展示了计算肿瘤学（CNO）与诊疗数字孪生（TDTs）的变革性潜力：基于生理的药代动力学（PBPK）模型结合患者影像、实验室检查和临床数据，有望建立患者个体化的放射性药物体内分布与剂量学模型，并通过虚拟临床试验为优化放射性药物个体剂量方案、预测患者特异性剂量反应等场景提供支持，进而为个性化治疗提供精准决策依据。讲座内容层层递进，既展现了领域最新技术进展，也深刻剖析了医学AI的转化瓶颈——尽管大量概念验证研究与初创企业不断涌现，但方法学缺陷与潜在主观偏见仍制约着其广泛的临床应用落地。

为此，Rahmim教授详细解读了其工作组制定的AI算法开发与评估实践指南，强调应区分方法开发研究与评估研究，推荐采用规范的内部交叉验证、独立外部验证及RELIANCE 评估框架，以提升模型的鲁棒性与可解释性，为AI在核医学等临床场景中的可信应用奠定基础。该指南由SNMMI AI工作组制定，成员来自华盛顿大学、耶鲁大学、荷兰阿姆斯特丹大学医学中心及法国居里研究所等全球顶尖机构，凸显了国际合作对推动医学AI研发与转化的重要价值。Rahmim教授还明确表示，期待通过本次交流活动进一步增强与中国学者的国际合作与学术交流，共同构建全球化、跨学科的标准化协作流程，加速可信医疗AI生态系统的临床转化。

来自UBC的MD/PhD双博士研究生MonicaLuo发表学术报告

同样来自加拿大UBC的MD/PhD双博士研究生Monica Luo，结合其临床医学与AI物理的双学科背景，作了题为Bridging Medicine and Research: Radiomics and Machine Learning Applications for Medical Imaging（《连接医学与科研：影像组学与机器学习在医学影像中的应用》）的学术报告。报告聚焦“医师科学家”在AI模型构建与临床转化中的关键作用，重点介绍了通过主动学习（active learning）降低AI模型开发对大规模标注数据的依赖，并创新性地将眼动追踪技术引入“Gaze-nnUNet”平台，使医生在阅片过程中自然参与图像分割标注，构建了高效的人机协作范式。

来自UCL的博士研究生Stylianos Charalampous发表学术报告

此外，来自英国伦敦大学学院（University College London, UCL）人工智能与医学影像专业的博士研究生Stylianos Charalampous，以Lesion-Informed Quantification of White Matter Damage in Cerebral Small Vessel Disease（《基于病灶信息的脑小血管病白质损伤量化方法》）为题，介绍了其团队在脑小血管病（CSVD）影像量化领域的最新研究成果——LeukoQuant。该研究聚焦白质高信号（WMH）负荷的精准评估，提出了一种病灶感知（lesion-aware）的量化新框架，为CSVD严重程度评估与认知损伤预测提供了更具潜力的影像学工具。作为支持跨平台运行的公开代码库，LeukoQuant既可独立调用各模块工具，也为未来扩展更多影像标志物与病灶类型预留了接口。该研究的合作团队涵盖阿姆斯特丹大学医学中心放射学与核医学系、UCL皇后广场神经学研究所及伦敦国王学院（King's College London, KCL）生物医学计算系等国际知名机构，再次体现了跨机构、多学科协作在解决复杂临床量化问题中的重要价值。

中外学者在北京大学肿瘤医院、国家生物医学成像科学中心、第六医院等单位学术交流

基于共同的研究兴趣与互补的专业背景，中外学者在活动期间还先后在北京大学肿瘤医院（核医学科、放疗科、医学影像科）、北京大学国家生物医学成像科学中心、北京大学第六医院神经内科等单位开展了广泛而深入的学术交流与合作研究。来自北京大学校本部、医学部及附属医院，以及香港理工大学、北京航空航天大学等校内外不同专业的师生共同参与了上述活动与交流讨论。

（北京大学肿瘤医院  张艺宝  孟祥溪）

编辑：玉洁