2026年7月下旬,在New England Elite Consulting于胡志明市举办的Beyond Honors活动间隙,美国休斯顿大学电气与计算机工程系副教授阮文显(Nguyen Van Hien)接受了VnExpress的深度专访。这位出生于岘港、拥有100+篇科学论文和12项专利的越南裔科学家,曾在西门子医疗(Siemens Healthineers)和Uber自动驾驶部门(Uber ATG)担任高级研究员,是深度学习在医学影像领域应用的全球先驱之一。
访谈中他系统阐述了一个核心观点:AI只有与具体行业的专业知识结合才能创造真正价值。对于越南AI人才的发展路径和医疗AI的未来,他给出了三条实战建议和一整套方法论。
阮文显1984年出生于岘港,曾是黎贵惇天才高中(Le Quy Don High School for the Gifted)数学物理班的学生,后赴新加坡和美国深造。
当被问及人生的转折点时,他给出了一个反直觉的回答:「差异不来自某个单一的转折点,而是基于一条原则持续做小决定的结果——选择困难但有意义的挑战,主动与比你更优秀的人合作,始终相信你的极限不是固定的。」
2013年前后,当他在西门子医疗完成博士论文并开始医学影像分析研究时,他注意到了一个关键规律:模型结构越深(层级越多),在真实世界数据上的表现越优于传统方法。与此同时,计算机科学家Geoffrey Hinton团队的深度学习先驱工作证实了他的观察。
「我没有怀疑,而是决定深度投入。最终,我们产出了世界上最早的深度学习医学影像诊断专利之一,后来被西门子部署到多款医学影像产品中。」
阮文显的研究有一个贯穿始终的哲学:AI帮助医生做出更好的决策,而非替代医生。这不是出于人文关怀,而是建立在严格的数学原理之上——集成理论(ensemble theory)。
他解释道:「医生和AI在不同场景下犯错。AI可能在罕见病例或噪声数据上失误,而医生在时间压力或长时间工作后注意力下降时可能遗漏病灶。正因为他们失败的场景不同,当两者结合时,可以互相弥补,显著降低漏诊风险。」
这一结论已在多项国际临床研究中验证。2018年《美国外科病理学杂志》研究发现:病理医生独立读取淋巴结乳腺癌转移的灵敏度约83%,配合AI后灵敏度提升至91%,特异性几乎不变,阅片时间减少。类似趋势在乳腺癌筛查、胸部X光片和CT脑出血诊断中均得到验证。
「医学不只是图像识别问题,而是评估临床背景、沟通和对患者负责的综合体。AI可以高通量、高一致性分析海量影像,释放医生的时间去处理复杂病例——那才是人类经验和判断力创造最大差异的地方。」
作为在美工作的越南裔科学家,阮文显从医疗AI的视角分析了越南的竞争地位。
三大被低估的优势:
两大难以快速弥补的短板:
面对许多年轻人「想进入AI行业但又担心被AI替代」的焦虑,阮文显给出了三条非常实战的建议:
关于职业地点选择,他给出了一个格局更大的视角:「不要过度关注在哪个国家工作——美国、欧洲还是越南。问自己想解决什么问题,然后选择最有效解决那个问题的地方。」
当被问及对自己工作的最大期待时,阮文显说:「我希望能缩小医疗资源丰富地区和医疗资源匮乏地区之间的差距。如果十年后,一个在越南省级医院的患者能获得与顶尖医疗中心同等质量的影像分析,医生能用更准确的信息做出更快的决策,患者能更早接受治疗并有更好的康复机会——那我认为我的工作就有了真正的意义。」