7月9日下午，清华大学博士生导师索津莉应邀来我院作题为“AI医学研究新进展：精细影像分析、病情进展预警与智能体协同”的专题学术报告。报告会在教学三号楼411会议室举行，由计算机科学与技术学院副院长王鲜芳主持。王鲜芳代表学院对索津莉教授的到来表示热烈欢迎，并简要介绍了本次报告会的举办背景和重要意义。计算机科学与技术学院相关负责人、教师代表及学生代表参加报告会。

报告中，索津莉教授围绕可解释医学信息智能计算研究进展，结合医学人工智能在临床落地中的关键问题，系统介绍了课题组在精细医学影像分析、病情进展智能预警和医疗健康科研智能体等方面的最新研究成果。她指出，医学决策高度依赖影像判读、时序监测和多源证据融合，但当前深度学习模型在临床应用中仍面临“黑箱”问题，模型预测结果缺乏充分解释，将直接影响医生信任、患者理解和智能系统推广应用。

围绕这一问题，索津莉教授重点分享了三方面研究工作：一是针对医学影像报告生成中线索不清晰、病灶边界难以精准定位等问题，提出可解释的像素级病灶分割方法，为后续诊断判断和跨模态信息融合提供直接依据；二是面向ICU等复杂临床场景，引入因果推断方法构建病情恶化早期预警模型，区分相关性与因果性，提升预警信号的可解释性和可干预性；三是面向医疗健康科研需求，探索构建科研Agent，实现从文献证据检索、知识推理到数据验证的全链条可回溯逻辑支撑，为医学信息学研究提供新的智能化工具路径。

报告内容紧扣医学人工智能前沿，既有基础理论阐释，又有真实应用场景分析，充分体现了人工智能、医学影像、因果推断和智能体技术交叉融合的发展趋势。索津莉教授结合具体研究案例，对医学人工智能系统如何实现“看得准、说得清、用得上”进行了深入讲解，使与会师生对可解释医学人工智能的技术逻辑、应用价值和发展方向有了更加系统的认识。

交流环节中，与会教师和学生围绕医学影像数据标注、模型可解释性评价、临床场景适配、多智能体协同机制、医学人工智能成果转化等问题与索津莉教授进行了深入交流。索津莉教授结合自身科研经历和团队实践，对相关问题进行了细致回应，并鼓励青年教师和学生主动关注真实需求，加强学科交叉，在工程技术与医学问题结合中寻找有价值的研究方向。

本次学术报告为学院师生搭建了高水平学术交流平台，拓宽了师生对医学人工智能、可解释计算和智能体协同研究的认识。下一步，计算机科学与技术学院将继续围绕人工智能、数据科学、智能感知、医学信息工程等方向，积极开展高水平学术交流，推动学科交叉融合和科研团队建设，不断提升学院科研创新能力和服务区域经济社会发展的能力。

常正超/图/文， 王鲜芳/复审， 马绍惠/终审