随着计算机和人工智能 (AI) 的概念在20世纪40年代和50年代几乎同时发展，医学领域很快就看到了其潜在的相关性和益处。1959年，Keeve Brodman及其同事声称，“对症状做出正确的诊断解释可以是一个所有方面合乎逻辑的过程，其可以由机器进行。”11年后，William B. Schwartz在《杂志》上写道，“计算科学很可能增强，在某些情况下很大程度上取代医生的智力功能来发挥其主要作用。”他预测到2000年，计算机将在医学中发挥全新的作用，充当医生智力的有力延伸。

然而，到20世纪70年代末，令人失望的是，医学计算的两种主要方法——基于规则的系统和匹配，或模式识别——在实践中并没有人们所希望的那样成功。基于规则的系统是建立在以下假设的基础上的：专家知识由许多独立的、特定情况的规则组成，计算机可以通过将这些规则串在一起进行演绎来模拟专家推理。匹配策略试图将患者的临床特征与一组给定疾病中发现的“存储配置文件”匹配。以前大多数项目的关键缺陷是由于缺乏病理生理学知识，当这些知识被纳入时，性能大大提高。

AI 与医学机器学习

20世纪90年代和进入21世纪初，即使计算机缓慢，存储有限，机器也可以成功执行某些重复的医疗任务。通过大量的金钱和智力投入，计算机读取心电图 (ECG) 和白细胞分类计数、分析视网膜照片和皮肤病变以及其他图像处理任务已经成为现实。其中许多机器学习辅助任务已被广泛接受，并纳入医学的日常实践中。这些机器任务的表现并不完美，往往需要一个熟练的人来监督过程，但在许多情况下，考虑到需要相对快速地解释图像和缺乏当地的专业知识，其性能已经足够好。

然而，AI和机器学习在医学中的应用已经扩展到医学图像的阅读之外。AI 和机器学习项目已经以许多方式进入医学领域，包括但不限于帮助识别可能对公共卫生产生影响的传染病暴发；结合临床、遗传和许多其他实验室输出，以识别可能无法检测的罕见和常见病症。

医学人工智能与机器学习中尚未解决的问题

2.1 确立规范

如上所述，在解释某些类型的医学图像时，使用 AI 和机器学习已经成为公认的医学实践，例如ECG、平片、计算机断层扫描 (CT) 和磁共振成像 (MRI) 扫描、皮肤图像和视网膜照片。这就提出了一个关键问题：规范是什么？这个简单的问题显示了 AI 和机器学习在医学中的应用的弱点之一。我们如何将人类价值插入 AI 和机器学习算法中，使获得的结果反映卫生专业人员面临的真正问题？监管机构必须解决哪些问题，以确保 AI 和机器学习应用程序在多次使用环境中的表现与广告一致？对于依赖于 AI 和机器学习的干预措施，应该如何修改统计推断中的经典方法？

2.2 AI 和机器学习在临床实践中的作用
AI 和机器学习驱动的应用程序是否可以成为您的私人抄写员，并腾出您在文档上花费的时间，以便您可以花更多的时间与患者在一起？应用程序能否提示您提出一个关键问题，可以帮助鉴别诊断？

2.3 AI 和机器学习应用程序的临床研究
在传统的临床研究中，当进展以新药的形式出现在可确定的条件下时，检测和接受药物作为进步的标准是公认的。当干预是 AI 和机器学习算法而不是药物时，医学界期望同样的保证水平，但描述和测试 AI 和机器学习干预的标准还远不清楚。

2.4 AI 和机器学习应用程序在临床研究实施中的应用

AI 和机器学习有可能通过更有效地招募和匹配研究参与者以及更全面的数据分析来改善和可能简化和加速临床试验。此外，可以通过将历史数据与目标试验入组标准匹配来创建综合对照组。AI 和机器学习也可用于更好地预测和了解可能的不良事件和患者亚群。AI 似乎可以生成“合成患者”，以模拟诊断或治疗结局。但是，AI和机器学习应用和干预的使用引入了一组不确定性，必须在方案和临床试验报告中处理。

医学中的Chatbots

GPT-4是一个聊天机器人，具有广泛的教育，包括医学知识。聊天机器人是一种计算机程序，使用 AI 和自然语言处理来理解问题并自动响应它们，模拟人类对话。1964年至1966年间，麻省理工学院人工智能实验室的 Joseph Weizenbaum 开发了一个非常早期的医疗聊天机器人ELIZA。

如上所述，聊天机器人技术现在几乎无处不在，从客户服务到个人虚拟助理。有了今天可用的强大的计算机，语言模型有数千亿个参数，可以用来生成新的文本。这种能力，结合了几乎无限数量的可用（互联网）数据来训练网络，意味着语言模型可以做得越来越多。ChatGPT 是由 OpenAI 训练的语言模型，并展示了AI驱动的机器可以与人交互的新方式。ChatGPT 的开发人员表示，新一代聊天机器人可以帮助解决医疗文档问题，并回答可以帮助鉴别诊断的关键问题。临床医生有责任校对聊天机器人的工作，就像临床医生需要校对他们口述的临床记录一样。目前困难在于这种校对可能超出了用户的专业知识，并且答案的准确性可能更难确定。最大潜力和关注点的应用是使用聊天机器人进行诊断或推荐治疗。没有临床经验的用户可能难以区分事实和虚构。

尽管如此，我们认为聊天机器人将成为医学实践中的重要工具。像任何好的工具一样，它们可以帮助我们更好地完成我们的工作，但如果使用不当，它们有可能造成损害。

总结

我们坚信，AI和机器学习在医学中的引入帮助医疗专业人员提高了提供的护理质量，并有希望在不久的将来和以后更多地改善它。随着技术的发展，医疗专业人员将弄清楚如何与 AI 和机器学习一起工作。AI 和机器学习不会使医疗专业人员脱离业务，相反，他们将使医疗专业人员有可能更好地完成他们的工作，并为人类-人类的互动留出时间，使医学成为我们所有人都看重的有回报的职业。

参考文献：

Haug CJ, Drazen JM. Artificial Intelligence and Machine Learning in Clinical Medicine, 2023. N Engl J Med. 2023 Mar 30;388(13):1201-1208. doi: 10.1056/NEJMra2302038. PMID: 36988595.

版权信息

本文系AIDD Pro接受的外部投稿，文中所述观点仅代表作者本人观点，不代表AIDD Pro平台，如您发现发布内容有任何版权侵扰或者其他信息错误解读，请及时联系AIDD Pro (请添加微信号sixiali_fox59)进行删改处理。

原创内容未经授权，禁止转载至其他平台。有问题可发邮件至sixiali@stonewise.cn