人工智能(artificial intelligence)在主流市場沉寂了幾十年之后，自2012年開始，隨著深度學習(也被稱為深度神經(jīng)網(wǎng)絡)的發(fā)展逐步得到廣泛應用，并且在各個領域展示了出色的性能；更重要的是，深度學習及基于深度學習的預訓練大模型縮小了人工智能專家和應用開發(fā)者之間的差距，使所有開發(fā)者能站在同一起跑線上，這對于人工智能在醫(yī)學中的應用尤其重要。近兩年，ChatGPT影響力極速擴大、用戶迅速增長，又將人工智能推向主流市場。在可預期的將來，人工智能的前景非常廣闊。
從20世紀80年代開始，就有人不斷嘗試用各種機器學習和人工智能的方法來輔助醫(yī)生做各種診斷，但是由于效果不佳，只留下了科研論文這類成果，并沒有在醫(yī)療中得到真正使用。在嘗試了各種方法之后，醫(yī)生們也幾乎放棄了計算機輔助診斷的想法。我在2013年之前走訪了美國幾家醫(yī)院，這些醫(yī)院中的放射科主任對于計算機輔助診斷的應用前景都表達了悲觀的看法。直到2012年以大數(shù)據(jù)驅(qū)動的深度神經(jīng)網(wǎng)絡的出現(xiàn)才逐漸改變了從業(yè)者的態(tài)度。這種神經(jīng)網(wǎng)絡在自然圖像識別方面取得了驚人的準確率，并已用于醫(yī)學圖像和醫(yī)學影像分析任務中。相比于自然圖像的識別，基于醫(yī)學影像的輔助診斷任務看起來更適合深度學習的模型，因為訓練模型的過程就如同訓練一個年輕醫(yī)生，需要在有經(jīng)驗的醫(yī)生的指導下基于案例進行長時間的大量訓練。以有監(jiān)督的深度學習為例，在訓練過程中也需要大量專家標注的數(shù)據(jù)。深度學習在醫(yī)學圖像和醫(yī)學影像方面的成功應用不僅催生出大量科研成果，也孕育出許多人工智能相關的醫(yī)療公司，它們多始于對醫(yī)學影像進行分析的需求。人工智能在醫(yī)學圖像和醫(yī)學影像分析領域的快速發(fā)展與醫(yī)學數(shù)字成像和通信標準的普及密不可分，醫(yī)生讀片和書寫報告的影像存儲與傳輸系統(tǒng)(picture archiving and communication system,PACS)也發(fā)揮了重要作用。深度學習在醫(yī)學圖像和醫(yī)學影像分析領域逐步取得突破的同時，人工智能在其他醫(yī)療領域中也漸漸得到了應用，如對電子病歷數(shù)據(jù)、醫(yī)學檢驗數(shù)據(jù)、基因數(shù)據(jù)、行為數(shù)據(jù)、手術視頻數(shù)據(jù)、生理參數(shù)監(jiān)測數(shù)據(jù)等數(shù)據(jù)的分析；應用目的也更加多樣化，覆蓋了疾病預測、輔助診斷、輔助治療、手術規(guī)劃、預后預測、康復等各醫(yī)療階段。
同時，醫(yī)療對于人工智能技術的要求也越來越高，深度學習的最新技術均快速體現(xiàn)在各種人工智能醫(yī)療應用的科研成果中。醫(yī)療對人工智能的特殊要求包括：①保持模型在多中心使用時的準確性和魯棒性；②能夠綜合多模態(tài)、多類型的數(shù)據(jù)進行診斷和治療；③模型可以進行弱監(jiān)督和無監(jiān)督學習，減小對于標注數(shù)據(jù)量的需求；④模型的結果有可解釋性，便于醫(yī)生理解和給患者解釋；⑤能夠無縫切入醫(yī)生的工作流，以減少醫(yī)生用于熟悉操作的時間成本。除了應用于臨床醫(yī)學，人工智能在基礎醫(yī)學研究、體外診斷和新藥開發(fā)方面也被采用，如利用深度學習中的增強學習模型來找到基因變異的位點、在巨量的三維結構組合中預測蛋白質(zhì)折疊的結構、精準分類體外診斷數(shù)據(jù)、在多維度數(shù)據(jù)中找到生物標志物、在基因數(shù)據(jù)庫和化合物數(shù)據(jù)庫中找到新藥靶點等。
我們課題組從2013年開始采用新型的機器學習和深度學習方法進行研究，我們認為科研的使命就是為技術的實際使用和商業(yè)化應用探路，因此十余年來我們探索了深度學習在各醫(yī)療領域中應用的可能性，包括人工智能基于醫(yī)學圖像和影像的輔助診斷、基于細胞和分子層面數(shù)據(jù)的輔助診斷、基于內(nèi)鏡及其視頻數(shù)據(jù)的輔助治療和診斷、手術規(guī)劃和預后預測、康復指導，以及新藥開發(fā)等，此外我們還深入研究了多模態(tài)數(shù)據(jù)融合、多中心泛化模型和數(shù)據(jù)安全等在模型應用中普遍關注的問題。
2019年，在上海交通大學醫(yī)學院研究生培養(yǎng)辦公室的推動之下，我們在人工智能與醫(yī)學課程中向醫(yī)學博士研究生介紹人工智能技術，很受歡迎。這門課程中，我們不僅教授了人工智能基于多種醫(yī)學數(shù)據(jù)的輔助診斷、輔助治療和輔助康復等，還講述了人工智能應用中的倫理、規(guī)范和醫(yī)療數(shù)據(jù)的重要性等。課程結束時，來自基礎醫(yī)學和臨床醫(yī)學各二級學科等的學生們在講師和助教幫助下，將完成一個人工智能醫(yī)療相關的選題設計和實踐，學生們可以基于各自專業(yè)的問題和數(shù)據(jù)設計選題，然后用人工智能的方法來解決，修完這門課程的同學們基本上都能獨立地用好人工智能這個工具，這將為他們未來的科研和科研成果向臨床轉化打下基礎。
在講述人工智能與醫(yī)學課程的幾年中，我們發(fā)現(xiàn)迫切需要一本能較全面地介紹人工智能醫(yī)學應用的參考書，這是因為國內(nèi)外最近幾年出版的人工智能醫(yī)療相關的圖書、教材多以醫(yī)學影像相關內(nèi)容為主，不夠全面，而且或是太淺顯，或是包含過多深奧的數(shù)學推導過程等。因此，我們便根據(jù)多年的科研工作和教學經(jīng)驗編寫了本書。本書首先介紹了人工智能及其醫(yī)學應用中必要的背景知識和基礎理論，然后分析了人工智能的各種醫(yī)學應用，最后對人工智能醫(yī)療器械在實際應用中需要注意的數(shù)據(jù)安全、多中心泛化、倫理和規(guī)范等方面進行了闡述。每章均由對背景知識的綜述和相關應用案例組成，這些案例大部分來自我們課題組的科研課題。本書介紹的人工智能模型、算法和思路也許不都是最新的，但是都是各個領域發(fā)展過程中的重要成果，我們相信它們會使讀者有所啟發(fā)。
我們希望在讀完本書之后，讀者們可以對人工智能的醫(yī)學應用有一個較廣泛、深入的了解；希望醫(yī)生和醫(yī)學生讀者能夠快速掌握該領域的概況和方法，了解人工智能在實際應用中的重要意義和局限性，以便在今后的工作中用好這個工具；希望有志于從事相關行業(yè)工作的創(chuàng)業(yè)者、工程師和工學生們可以深度了解人工智能在醫(yī)療中的應用實例，以及應用中需要注意的地方，促進研究與理論轉化。當然，現(xiàn)在人工智能的發(fā)展非常迅速，在ChatGPT的引爆之下，各種通用人工智能算法將不斷涌現(xiàn)。在這個快速發(fā)展的領域中，希望本書能夠持續(xù)給予讀者幫助。
錢大宏
2024年11月