在马寄晓核医学教室的讲台上，张永学教授以其深厚的核医学造诣与前瞻性的视野，为听众们勾勒出一幅核医学与人工智能（AI）深度融合、协同发展的壮丽蓝图。本次讲座的核心，不仅在于探讨AI技术如何赋能传统核医学，更在于深入剖析了支撑这一变革的关键基石——人工智能基础软件的开发与应用。
核医学作为一门利用放射性核素进行疾病诊断、治疗和研究的学科，其发展始终与技术进步紧密相连。从早期的伽马相机到如今的正电子发射断层扫描（PET）与单光子发射计算机断层扫描（SPECT），影像数据的复杂性与海量性日益增长，这恰恰为人工智能的介入提供了天然的舞台。张永学教授指出，人工智能，特别是其分支如机器学习与深度学习，正逐步渗透到核医学的各个环节。
在影像诊断领域，AI算法的引入带来了革命性的变化。传统的影像判读高度依赖医师的经验，存在主观差异与疲劳影响。而基于深度学习开发的智能软件，能够对PET/CT、SPECT等海量影像数据进行快速、精准的自动化分析。例如，在肿瘤病灶的检测、勾画（分割）与定量分析方面，AI模型可以以极高的敏感性与特异性识别微小病灶，辅助医生做出更早期、更准确的诊断。在心肌灌注显像、神经系统疾病评估等方面，AI也能提供标准化、可重复的定量参数，极大提升了诊断的一致性与效率。
这一切智能应用的背后，都离不开坚实的人工智能基础软件作为支撑。张永学教授重点强调了这一基础层的重要性。人工智能基础软件开发，涵盖了从算法框架、模型训练平台、数据预处理工具到部署集成环境等一系列核心组件。在核医学的特定场景下，这类基础软件需要解决几个关键挑战：
是专业数据的获取与标注。高质量、大规模的标注影像是训练可靠AI模型的前提。核医学影像的标注需要深厚的专业知识，开发能够辅助专家进行高效、精准标注的软件工具，是基础软件开发的重要一环。
是算法模型的适配与优化。通用AI模型往往难以直接满足核医学影像在分辨率、对比度、噪声特性等方面的特殊要求。因此，需要开发或集成专门的神经网络架构，设计针对性的训练策略（如迁移学习），并优化模型以适应临床硬件环境下的实时或近实时处理需求。
再次，是软件系统的集成与部署。成熟的AI基础软件平台需要能够无缝嵌入现有的核医学影像归档与通信系统（PACS）及工作站流程中，实现“一键式”智能分析，同时确保系统的稳定性、安全性与合规性（如符合医疗器械软件标准）。
张永学教授认为，核医学与人工智能的结合将超越辅助诊断，向更智能化的治疗规划、疗效预测与预后评估拓展。例如，在放射性核素靶向治疗中，AI可以综合多模态影像与基因组学数据，为患者制定个性化的给药方案与剂量规划。而这一切的深化，必然呼唤更加强大、灵活、易用且开源协同的人工智能基础软件生态的构建。
讲座张永学教授鼓励核医学同仁与AI领域的专家加强跨界合作，共同参与到基础软件的开发与创新中，以扎实的“软件基石”支撑起核医学智能化发展的“应用大厦”，最终惠及广大患者，推动精准医疗时代的全面到来。
