床有效性和特点进行解析，提高中药创新药转化决策质量、 效率和成本效益。 6.基于风险的临床试验管理 3 面向临床试验方案设计、患者招募、风险管理等业务 活动，针对数据合规管理等需求，利用深度学习、自然语 言分析等数字技术，构建疾病模型，分析过往相似性试验 计划，快速评估临床试验的可实现性及潜在风险，从而进 一步优化试验计划及方案；结合真实世界数据、人工智能 （AI）技术，自动筛选符合入组标准的患者，提高招募效 （AI）技术，自动筛选符合入组标准的患者，提高招募效 率，规避受试者流失导致试验中断风险；运用智能化工具， 及时发现试验文档、患者入组协议等方面的问题，降低数 据核对成本，提升临床试验质量。使用数字孪生技术，在 虚拟环境中模拟临床试验，预测药物反应，提高研发效率。 7.医药实验室数据集成管理 面向医药研发实验室管理标准化、数智化发展趋势， 围绕医药研发管理过程中涉及到的物料管理、样品管理、 科 应用，实现关键产品指标的设计优化，提高设计效率，缩 短产品开发周期；利用数字化手段提升设计开发数据与知 识的传递效率，倡导质量源于设计（QbD）理念，从源头防 止质量风险，加强包括设计开发在内的产品全生命周期的 风险管理。 二、医药生产 围绕工厂建设、工艺开发与优化、生产作业、物料仓 储配送、生产设备管理、能源管理、环保管理、安全巡检 等环节，应用数智技术提高医药生产自动化水平，增强生

管理和电子病历为重点，推进医院信 息化建设。 卫生综合 管理 “ 区域卫生平台”总体建设思路 卫生行政 疾控机构 妇幼保健 4. 药品保障 2. 医疗服务 3. 医疗保障 社会公众 相关协同机构 综合监测 风险评估 统一协调 考核评价 过程监控 干预管理 决策支持 指挥部署 1. 公共卫生 业务协同 数字卫生 业务协同 数字卫生 医疗急救 血液中心 农村医疗 综合管理 信息共享 城镇医疗 环境监测：病媒生物监测、气 象、水文等； 症状监测：学校因病缺课； 扩展监测：舆情、物资、食品、 场所（大型活动、超市、宾 馆） 宏观需求 资源整合 规范管理 决策支撑 核心 需求 规范监测、资源共享 风险评估、辅助决策 疾控中心 综合业务管理 实现 集成展现 资源共享、综合分析； 预警分析； 可视化展示。 系统建设目标 管理层面 社会层面 监测层面 领导层面 疾控综合业务 管理平台 扩展疾控监测覆盖业务 层面，构筑省级疾病防 御网络云平台，为进一 步完善和规范疾控综合 管理工作提供技术支撑。 整合已建设资源，多维度、 多领域的整合公共卫生相 关系统 , 研究科学的预测 预警、风险评估模型，全 面提升疾病防控干预处置 能力。 疾控综合 监测 防控干预 管理 有效集成卫生相关，坚持疾控事业为保障人民健康服务的宗旨，提升公众满意度； 逐步形成疾控工作综合统筹、精细管理、运转高效的社会服务管理新机制。

赋能核安全监管的思 考 核安全：文明发展的关键命题 人类文明的代际划分是 基于能源的应用 核物理本质上是对世 界本源的探究 文明演进的风险镜像 传统核安全监管体系的三大瓶颈 预测局限性 l 传统监管多基于静态模型和 历史经验进行风险评估和预 测 ， 对突发事故和新型风 险 的预测能力不足。 人力依赖性 l 传统监管需要大量人力投 入 ， 且存在主观性和局 限 性 ， ， 容易出现疏漏 ， 成本 高、效率低。 03 02 01 数据滞后性 l 传统监管依赖人工采样， 数据获取不及时 ， 难以 及时发现潜在风险。 AI 技术驱动的监管范式革新 02 、三维辐射热力图实时生成技 术 利用融合后的多源数据 ，实时生成三维 辐射热力图。该图能直观展示辐射场的 空间分布和动态变化 ，帮助监管人员快 速掌握辐射场的整体情况 ，及时发现 算法优化会否遮蔽对 “绝对安全不可能性”的敬畏？ u 为防范核风险而创造的超级监控系统 ，是否可能成为新形态的技术霸权？ u 当 AI 替代人类判断 ， 监管者会否沦为算法的 “执行器官”？ 工具理性与价值理性的永恒张力 n 汉斯 · 约纳斯的责任伦理 • AI 的 “概率思维”与责任伦理的 “绝对命令”存在根本冲突。 当算法计算出 “可 接受风险”（如 0.01% 的泄漏概率） ， 人类是否有权为后代做此选择？

..................................133 8. 风险管理...................................................................................................135 8.1 技术风险.......................................... 8.1.1 数据安全风险...........................................................................139 8.1.2 系统故障风险...........................................................................140 8.2 实施风险......... 8.2.1 项目延期风险...........................................................................144 8.2.2 资金不足风险...........................................................................145 8.3 用户风险.........

等教育国际 institu te顾问；Benjamin Vergel De Dios，曼谷教科文组织办公室教育创新和发展技能部分IC T教育顾问；Soichiro Yasukawa，自然科学部门灾害风险减少单位负责人；Martiale Ka na Zebaze，哈拉雷教科文组织办公室科学技术与创新高级计划专家；以及通信和信息 部门全纳信息和数字包容部分的Jaco Du Toit主任和Zeynep Varoglu计划专家。 和伦理实践，并成为终身学习人工智能的 榜样。为了承担这些责任，教师需要得到 支持，以发展其能力，充分利用人工智能 带来的潜在好处并减轻其在教育环境及更 广泛社会中的风险。 然而，人工智能（AI）对学生、教学社区 、教育体系以及社会整体都可能带来重大 风险。AI可能会威胁人类自主性，加剧气 候变化，侵犯数据隐私，加深长期存在的 系统性不平等和排斥，并导致新的歧视形 式。在教育领域，AI可能会将教学与学习 过程简化为计算和自动化任务，从而降低 背后存在一种隐性的商业规则，促使用户 在注册“享受”AI服务的好处时放弃一定程 度的隐私权。尽管以往的ICT工具已引发 了一些关于隐私和安全的伦理担忧，但AI 服务的设计和提供的激进方法引发了更深 层次的风险，并可能加剧这些风险。 人工智能系统能够适应多样的问题领域。 因此，它们提供了通用的基础模型，这些 模型有可能推动各个行业的转型。特别是 生成式人工智能提供了基础模型，可以支 持特定领域的AI模型进一步训练以及个性

121 11. 项目风险评估....................................................................................................................................................................123 11.1 技术风险分析....... .125 11.2 法规合规风险.......................................................................................................................................................127 11.3 用户接受度风险............... 其次，常规的病历记录往往依赖于人工输入，由于信息来源的 多样性，可能会形成冗余或矛盾的数据。例如，同一患者在不同时 间的就诊记录中，可能描述相同症状的用词和数据不一致，这不仅 增加了医护人员的沟通成本，也可能对患者的健康造成潜在风险。 再者，部分医院的信息系统缺乏相应的标准化设置，导致在疾 病分类、用药建议及治疗方案等方面无法形成统一标准。例如，如 果针对相同症状的处理在不同院区存在不同的记录和处理方式，那 么患者的信

缓解线下门诊压力。 在此前就已大规模展开的智慧医院建设中，智能导诊和分诊作为诊前收集患者 症状基本信息和引导精准就医的重要应用，已在很多公立医院落地。疫情期间， 由于新冠肺炎患者就诊量大并且交叉感染风险颇高，因此就医之前的智能导诊 和分诊显得更为重要。 2 月 7 日，国家卫生健康委网站发布《国家卫生健康委办公厅关于在疫情防控 中做好互联网诊疗咨询服务工作的通知》，浙大医学院附属邵逸夫医院联合开 会借助互联网医院和智能化的手段得以加快发展。 案例 1 | 基于知识图谱的新冠肺炎防护问答助手，离智能更近一步 疫情爆发初期，大量患者对病情知识匮乏，出于对自身症状的恐慌到医院就医， 人群聚集引起交叉感染风险。因此，短时间内正确地将大量疫情信息及预防措 施以简单易懂的方式向民众科普，正确引导患者就医，消除恐慌心理，是当务 之急。 同时，在这次疫情中，慢病患者是致死率最高的群体之一，如何做好自我防护， 威专家们联合开发了“新冠肺炎智能防护问答小助手”。为广大居民提供最新疫情 防控指南、慢病患者防护等问答服务，帮助广大居民及时获得健康评估和专业 指导，线上辅助疫情自查指导就诊，缓解线下医院压力，降低交叉感染风险。 “新冠肺炎防护助手”数据来源于疾控中心专家团队的权威知识整理，包括中国疾 病预防控制中心发布的《新型冠状病毒感染的肺炎公众防护指南》、疾控中心 官网及公众号的相关文章和专业资料，以及专家团队的常用语料库。柯基数据

断完善传染病综合监测体系，先后建立和完善了“腹泻 病综合监测” “急性呼吸道感染综合监测” “发热伴皮 疹、出血和神经系统症状监测”三大系统 ［1］，并根据超 大城市传染病防控需要不断完善相关监测预警和风险 评估方案。本文介绍上海市传染病综合监测体系的发 展过程和初步成效，并就今后我国传染病监测预警的 发展方向提出思考。 1 我国传染病监测系统的发展 我国传染病监测始建于20世纪50年代。发展初 社会发展对传染病防控提出更高要求 社会发展促进了社会公众健康素养的提升，而公 众对健康服务的需求也日益提高。现代的传染病防控 内涵已远不止在疾病出现后进行诊断、治疗和控制，而 需要通过多渠道及早识别健康风险，形成多点触发的 监测预警模式，在疾病大范围流行之前就予以早期识 别和控制。然而，传统的传染病监测系统多针对某一 具体的法定报告传染病及其病原体，无法完全解释某 一症候群病例异常升高情况，对未知病原体的早期发 行监测分析和风险评价。 2.4 信息化建设水平制约业务发展 我国实施的传染病病例网络报告措施极大地提高 了传染病的报告效率，为及时掌握疫情动态提供了重 要支撑。但是，我国在传染病监测领域的信息化建设 仍相对缓慢，以病例信息报告为主，数据挖掘和利用相 对不足，大数据和人工智能等新技术、新方法的应用程 度较低。新冠肺炎疫情防控以来，疫情动态综合分析、 基于多种因素的疾病预警和风险预判能力等方面存在

转型的发展方向和战略目标。 报告从技术、社会与教育三个维度深入审视机遇与挑战：在技术层面，算力、数据与算法的突破孕育创新红利， 但面临安全、伦理、偏差与治理等现实约束；在社会层面，发展契机与潜在风险并存；在教育层面，知识去中 心化、学习个性化的进程中，需要同步重塑价值导向与能力结构。基于深入分析，报告提出推动高等教育走向 智能、高效、开放、可持续发展的总体目标，涵盖升级智慧教育环境建设、创新人才培养模式、促进跨学科和 围绕教育大模型的能力与要素，报告构建了完整的分析框架。在能力维度上，提出“通用能力＋教育能力”的 能力谱系；在要素分析上，形成“五要素”框架：算力作为构建基石与场景适配关键，数据作为必备燃料与领 域属性特征，算法作为核心引擎与风险应对策略，开发工具作为全栈式工具矩阵，安全、伦理和隐私保护作为 有效保障。在技术路线上，构建“参考架构—智能体应用—标准体系”的完整技术路径，以“性能—成本—应用” 协同优化为抓手，支撑模型从训 高教专业体系优化人才 培养机制，变革知识生产范式重塑科研新样态，推动教育公平承担社会责任，着眼共同发展为世界高等教育提 供中国方案。同时，报告正视大模型应用中的算法偏差与“黑箱”问题、内容同质化风险、知识产权与数据权 益等挑战，强调强化教师与管理者人工智能素养，保护学生主体性与创造力，完善数据确权与合规流通机制， 推进绿色计算与可持续运营。 总体而言，本报告以“以人为本、立德树人”为根本

..118 15. 风险分析与应对...............................................................................................................................................................119 15.1 风险识别......... .121 15.2 风险评估.................................................................................................................................................................123 15.3 风险应对措施........ 进行情感分析并转化为数值特征。  模型集成：通过集成多个模型（如 Bagging、Boosting 或 Stacking）进一步提升预测精度。例如，采用随机森林和 XGBoost 进行集成，可以有效降低过拟合风险并提高泛化能 力。 以下是一个简单的超参数调优示例表： 模型 超参数 取值范围 最优值 随机森林 max_depth [5, 10, 15] 10 随机森林 min_samples_spli