2025 X 智能大会暨第18届中国R会议将于2025年10月17日至19日在北京会议中心举行。本次会议聚焦大模型技术的前沿进展，及其在各领域的创新探索与实际应用。会议内容涵盖蒙特卡洛视角下的AI革命、扩散大语言模型、多模态理解与生成、Agent形态演变、Agent产业应用、大模型基础理论、AI4Science、具身智能、生物医药统计与大模型、AI赋能健康统计等重要方向。

欢迎访问以下链接或扫描二维码，报名本次会议！

链接：https://www.x-agi.cc/register.html

二维码：

下面为您奉上本次2025 X智能大会 & 第18届中国R会议AI赋能健康统计会场的介绍。

会场主题

本会场由李扬、林存洁担任主席。会场邀请五位嘉宾探讨AI赋能健康统计的发展，内容涵盖AI 医药数智化应用生态构建、临床试验方案 AI 辅助撰写与数字化、多智能体疑难肝病诊疗模型、大语言模型驱动的私有数据临床试验仿真，以及 AI 在临床研究效率提升中的多元实践。

会场主席

李扬，中国人民大学吴玉章特聘教授、博士生导师，学校交叉科学学术委员会副主任，入选国家级青年人才项目；担任国际统计学会Elected Member、中国商业统计学会副会长、中国统计学会常务理事、中国现场统计研究会常务理事等；主要从事模型选择与不确定性评价、复杂调查设计与分析、潜变量建模、试验设计与推断等领域研究，在JASA、AOAS、Biometrics等期刊发表论文九十余篇，承担国家自然科学基金、教育部重大项目、全国统计科学研究重大项目等。

林存洁，中国人民大学统计学院副教授，主要研究方向包括生存分析，精准医疗，亚组分析，健康医疗数据建模与分析等，在Biometrics、AOAS、JCGS等国内外统计期刊发表学术论文三十余篇。

会场内容

AI医药数智化应用生态与价值创造

邱婧君

嘉宾简介：

邱婧君，曾就职于美国耶鲁大学医学院、默沙东、拜耳和百济神州。十几年不同地区、不同治疗领域临床试验研究的丰富经验；参与从药物临床研发战略规划到临床试验及上市后研究的各重要阶段，包括早研转化与BD尽调项目；同时负责集团AI+医药项目的战略规划与推进。现任中国统计理论与方法、中国医药统计与教育、中国药促会、CSCO、北京统计协会等专委会委员，并支持不同课题工作小组，如CDE若干指导原则、IFPMA ICH-E20Adaptive design、E17-MRCT、E9(R1)-Estimand蓝皮书工作组等。作为DIA/CMAC/AIIA(国际人工智能产业联盟)等统计与数据科学工作组核心成员，长期热心推动医药社区各种活动，如组织年会及定量科学论坛、统计学术研讨会、OnSite肿瘤研究者培训课程、能力建设学院统计方法学培训、数据建模大赛和年会壁报评选、教材和书籍编写等。

内容摘要：

随着AI/ML等前沿技术的快速演进，医药研发正迎来数智化转型的重要机遇。复星医药围绕AI在信息洞察、决策支持、药物发现、临床开发、上市营销等全生命周期中的应用，系统构建了以PharmAID决策智能体为代表的数智化平台，推动从数据资产管理到智能决策的深度融合。通过分享平台架构、场景落地及价值评估等方面的实践经验，助力行业共同探索AI赋能医药研发的创新路径与协同生态。

临床试验方案的AI辅助撰写、数字化与自动化

Alex Goh

嘉宾简介：

Alex Goh 现任百济神州产品管理副总监，负责将先进的数据科学与人工智能能力融入全球临床研究运营；他拥有计算机科学博士、硕士和学士学位，并发表23篇同行评议论文，兼具深厚技术背景与逾十年的产品领导经验。Alex Goh博士主导数字化研究方案与临床内容复用项目，显著缩短试验启动周期、简化监管申报流程，并提高组织的 AI 赋能水平。此前，他在澳大利亚医保基金担任高级数据科学家兼产品经理，建立会员流失预测与未决赔付深度学习模型，为高层决策提供数据支撑并获澳大利亚审慎监管局认可。他的职业起点源于人体姿势控制的脑电跨学科研究，如今将其严谨方法学转化为可执行的产品路线图，带领跨职能团队推进数据驱动创新，改善患者获益并提升运营效率；他擅长分享机器学习与产品思维加速药物开发的实践经验。

内容摘要:

Clinical study protocols serve as foundational documents for trial execution but typically exist in non-machine-readable formats, creating barriers to system integration and data exchange. Traditional protocol development is labor-intensive, error-prone, and constrained by tight timelines. This presentation demonstrates how artificial intelligence can revolutionize protocol development through digitalization and clinical content reuse. AI-driven implementation increases quality in a tight timeline while maintaining regulatory compliance. Digital protocols enable seamless integration with electronic systems and automate document generation, reducing manual data entry and minimizing transcription errors. This transformative technology addresses critical industry challenges, and establishes foundations for accelerated drug development while improving patient outcomes through more efficient clinical trial execution.

MAGIC：多智能体疑难肝病智能诊疗新方法

林毓聪

嘉宾简介：

林毓聪，北京理工大学光电学院特别副研究员。本科毕业于人民大学，博士毕业于清华大学，其间在哈佛大学医学院进行了一年的访问，于北京理工大学从事博士后研究。林毓聪专注于多模态医学数据的研究，在医学影像、医学知识图谱与电子病历中进行了多项智能化方法研究，共计发表约40篇SCI论文，以第一作者或通讯作者发表Information Fusion, IEEE JBHI, Neurocomputing等16篇代表性SCI论文，平均IF=6.0。获批2023年国自然青年基金，作为项目骨干参与科技创新2030重大项目等4项国家级项目，其研究成果作为重要支撑荣获2024年电子学会科技进步一等奖。

内容摘要:

我国肝病患者约4亿，占总人口28%，严重威胁人民健康。目前肝病的精确诊疗对医生的知识广度和深度要求极高，往往需多科室跨专业的综合性会诊。但仍面临以下挑战：（1）肝病类型众多，早期表现隐匿，其症状和体征特异性差，病变诊断严重依赖经验，缺乏结构化知识和系统量化标准，易导致误诊和漏诊；（2）肝病病程长，可同时合并全身多系统病变，诊断需多学科交叉知识的综合性判别，具有不同背景的临床专家治疗决策冲突点多；（3）不同级别医疗机构诊疗水平参差不齐，严重影响疑难复杂肝病的决策精度和效率，难以为肝病患者提供同质及时的诊疗方案。为此，我们团队提出基于LLM的多智能体激活图推理协同模型MAGIC应对这一挑战。通过多尺度分析增强肝脏疾病认知，包括相似病例研究、异常指标识别和知识图谱分析。在模拟临床渐进式诊断过程中，该模型利用多智能体辩论结果动态调整图推理中的关键节点与关系权重，提升预诊断准确性。同时，模型通过临床指南对预诊断结论进行验证，确保其符合既定医疗标准，最终生成可靠诊断结果。我们提出的方法一举将疑难肝病的 AI 诊断准确率提升到 94.5%，多中心验证仍保持 91.6%，显著领先现有模型。本研究已经发表于人工智能顶刊Information Fusion中，IF＝20.4（2024），并作为核心辩论技术开发了一套人机融合疑难肝病会诊系统，并在8家医院实现了示范应用。

基于大语言模型的多样化私有数据临床试验仿真

梅好

嘉宾简介：

梅好，中国人民大学统计学院副教授、杰出青年学者，博士毕业于美国耶鲁大学生物统计专业，曾就职于耶鲁纽黑文医院临床实效研究中心、腾讯医疗健康事业部，具有丰富的临床实效研究及医疗健康大数据分析经验。主要研究方向为临床实效分析、自适应临床试验设计、人工智能赋能的生物统计研究、网络数据分析、电子健康记录数据分析、复杂生物医学数据建模等，在《Biometrics》、《Briefings in Bioinformatics》、《Statistics in Medicine》、《Journal of Clinical Epidemiology》等国际重要学术期刊上发表论文十余篇。

内容摘要:

Clinical trial emulation has emerged as an important approach in real-world drug research, enabling investigators to replicate the design and analysis of randomized controlled trials using observational data. However, traditional emulation typically relies on expert knowledge and extensive literature review to construct a hypothetical trial, a process that is often time-consuming and constrained by limited scalability. In this work, we develop a domain-specific large language model (LLM) trained with advanced direct preference optimization techniques to facilitate semi-automated trial emulation. Given the drugs or interventions of interest, the LLM generates a complete hypothetical trial design, including detailed inclusion and exclusion criteria, treatment allocation strategies, follow-up protocols, and outcome definitions. Building on this, the system leverages LLM to align the hypothetical trial with the user’s diverse private datasets, producing tailored data extraction schemes that enable efficient retrieval of relevant patient cohorts and variables. This LLM-assisted framework significantly improves the efficiency and reduces the cost of conducting emulation studies for researchers with heterogeneous, privately held data sources, expanding the accessibility and scalability of real-world evidence generation.

基于人工智能的临床研究效率提升

赵杨

嘉宾简介：

赵杨，博士，教授，博士生导师。2009年获南京医科大学流行病与卫生统计学系博士学位。2010年至2012年在美国美国哈佛大学公共卫生学院环境流行病学系主要从事肺癌遗传数据的研究。曾在Nature Communications, AJRCCM, International Journal of Epidemiology, BMC Medicine，Cell Reports，中华流行病学杂志，中国卫生统计等杂志以第一/通讯作者发表学术论文90余篇，合计发表学术论文350余篇。研究方向包括复杂生物医学数据整合分析及因果推断方法研究、临床试验中的统计方法、真实世界研究中的统计理论与方法。先后主持国自然项目5项，国家重点研发计划课题1项。作为统计专家或独立数据监察委员会专家，参与过数十个创新药物和疫苗的临床研发工作。现任中国卫生信息与健康大数据学会卫生统计学教育委员会主任委员，中华预防医学会生物统计学分会副主任委员，中国临床肿瘤学会生物统计专家委员会副主任委员、中国医药教育学会医药统计专委会副主任委员，江苏省预防医学会卫生统计学专委会主任委员。在新冠病毒肺炎疫情期间，参加了国家有关新型冠状病毒肺炎防控、新冠肺炎疫情预测预警和防控政策调整模型研究等工作。

内容摘要:

Applying artificial intelligence to the design, operation, analysis, and interpretation of clinical research will help improve efficiency. In this report, we will review the current applications of artificial intelligence, especially large language models, in the field of enhancing clinical research efficiency. We will also introduce our work in areas such as protocol review and virtual digital twins.

关于会议

本次大会由中国人民大学应用统计科学研究中心、中国人民大学统计学院、统计之都与中国商业统计学会人工智能分会主办，中国人民大学健康大数据研究院协办，并获得明汯投资、宽德投资、Will和Quantverse(数启寰宇)的赞助支持。我们诚挚邀请您来参会，共话智能技术发展前沿！

更多日程信息，详见会议通知：2025 X智能大会 & 第18届中国R会议通知

欢迎进入2025 X智能大会 & 第18届中国R会议官网，获取更多会议信息！

链接：https://www.x-agi.cc/index.html

二维码：

联系方式

公众号：统计之都

会议邮箱：xagi-2025@cosx.org