“观心大模型CardioMind”与智能导管室的展示是本环节的重头戏。葛均波教授的数字人分身，操着一口亲切的山东口音，与一位标准化患者进行了模拟问诊。这位中年“患者”主诉反复气促、胸痛、咳痰，“观心大模型”通过系统性的提问，精准捕捉关键信息。当肺部CT、右心导管、超声心动图及基因检测等进一步数据输入后，模型迅速给出了诊断——遗传性出血性毛细血管扩张症Ⅱ型，一种临床上较为罕见的疾病。这充分展示了“观心大模型”在多模态数据整合、深度推理及复杂罕见病诊断方面的卓越能力。

葛均波教授介绍，“观心大模型”在通用基座模型的基础上，接受了包括指南、临床试验在内的大量医学数据训练，实现了从病史采集到辅助诊断的全流程智能化，且模型每日都在学习和更新。其“慢思考”与深度推理机制，旨在减少信息不完整导致的误诊，提升诊断的精准度。

本环节的另一大亮点是智能导管室的现场演示。复旦大学附属中山医院心内科李晨光教授、陆浩教授等展示了AI在复杂冠脉介入手术中的辅助作用。在一个右冠CTO合并左前降支严重狭窄的病例中，AI系统整合了冠脉CT、冠状动脉造影、血管内超声等多种影像信息，实现了冠脉三维重建、QFR评估、精准识别钙化和血管迂曲、优化投照角度，为高难度CTO的导丝通过提供了关键路径指导。术后IVUS评估显示治疗效果良好，显示出AI在提升介入手术精确性、效率和安全性方面的巨大潜力。

多位国内外顶尖专家围绕人工智能在心血管领域的应用展开热烈讨论，并贡献出宝贵的见解：

宁光教授对“观心大模型”诊断罕见病的能力表示赞叹，人工智能有望通过优化医疗资源配置，改善医疗服务的可及性，并从技术层面探讨了通用模型与垂直（专业化）模型的构建，以及数据偏倚的挑战。

樊嘉教授强调了高质量数据对于人工智能模型的重要性，他指出模型的准确性和可靠性取决于其训练数据的质量。此外，在临床应用中还需解决患者对数字医生的信任度、确保模型符合伦理和监管标准等，这是人工智能在医学领域应用时所需要面对的问题。

斯坦福大学Alan Yeung教授展示了斯坦福大学开发的心血管健康应用程序，通过人工智能监测患者日常健康状态，并通过云端与患者互动，以实现更高效、更全面的患者管理。同时指出，人工智能在临床决策支持、患者监测、药物开发和临床试验等方面表现出了极大潜力。

程和平教授介绍了“多模态跨尺度生物医学成像设施”重大科学设施项目，通过结合基因组学、代谢组学、表观组学等多组学数据，构建生命各尺度的模型，有望为疾病诊断和预后提供新的视角，从而打通从生命科学到医学和疾病的连接，实现医学模式的革新。

顾东风教授展望了人工智能在流行病学研究中的革命性应用，通过可穿戴设备，整合个人生活方式、营养、体力活动等多维度数据，有望超越传统调查方法，丰富个人健康档案，建立更精准的个体化预测模型，并为公共卫生政策制定提供科学依据。

韩雅玲教授表示，人工智能能够极大地扩充医生的知识库，提高基层医生的临床技能，加速医生的成长过程，缩短初级到高级医生的学习周期。智能导管室可整合现有影像技术和功能技术，提供更精确、个体化的诊疗策略，显著提升医疗质量和效率。

王建安教授从冠脉功能学与人工智能角度出发分享观点，目前冠脉功能学已经进入到了智能时代，AngioFFR不需要放入导丝，直接通过造影即可进行计算，对于节段性病变也更有优势。此外人工智能赋能下的功能学不仅能够帮助介入医生决策是否需要植入支架，还可评估植入支架后的情况，进而指导后续治疗。

新加坡国立大学心脏中心陈淮沁教授分享了人工智能目前在新加坡的应用，特别在机场的人脸识别和医疗健康建议方面，大众接受度更高。具体到心血管影像方面，人工智能目前表现已经非常优秀，但仍在萌芽状态，如果未来能够根据PCI手术进程进行更加具体的指导和预估，或许能够发挥出更大的作用。

张运教授提及超声心动图检查时依赖操作者的经验与能力，人工智能的应用则可极大减少这一现象，而且在提高图像质量、定量测量、病情严重程度评估等方面同样可发挥作用。张运教授同样强调了高质量数据采集的重要性，以支持人工智能的学习和应用。

陈义汉教授表示，人工智能不仅在实验数据分析、结果撰写和机制探索等方面提供巨大帮助，还在靶点发现、小分子化合物设计和筛选、临床试验优化等方面展现出不可替代的价值。对于现在以及未来的研究人员，人工智能已经成为了不可或缺的工具。