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(xué)習(xí)(也被稱為深度神經(jīng)網(wǎng)絡(luò))的發(fā)展逐步得到廣泛應(yīng)用，并且在各個(gè)領(lǐng)域展示了出色的性能；更重要的是，深度學(xué)習(xí)及基于深度學(xué)習(xí)的預(yù)訓(xùn)練大模型縮小了人工智能專家和應(yīng)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(xué)中的應(yīng)用尤其重要。近兩年，ChatGPT影響力極速擴(kuò)大、用戶迅速增長，又將人工智能推向主流市場。在可預(yù)期的將來，人工智能的前景非常廣闊。
從20世紀(jì)80年代開始，就有人不斷嘗試用各種機(jī)器學(xué)習(xí)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(jì)算機(jī)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(jì)算機(jī)輔助診斷的應(yīng)用前景都表達(dá)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(luò)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(luò)在自然圖像識別方面取得了驚人的準(zhǔn)確率，并已用于醫(yī)學(xué)圖像和醫(yī)學(xué)影像分析任務(wù)中。相比于自然圖像的識別，基于醫(yī)學(xué)影像的輔助診斷任務(wù)看起來更適合深度學(xué)習(xí)的模型，因?yàn)橛?xùn)練模型的過程就如同訓(xùn)練一個(gè)年輕醫(yī)生，需要在有經(jīng)驗(yàn)的醫(yī)生的指導(dǎo)下基于案例進(jìn)行長時(shí)間的大量訓(xùn)練。以有監(jiān)督的深度學(xué)習(xí)為例，在訓(xùn)練過程中也需要大量專家標(biāo)注的數(shù)據(jù)。深度學(xué)習(xí)在醫(yī)學(xué)圖像和醫(yī)學(xué)影像方面的成功應(yīng)用不僅催生出大量科研成果，也孕育出許多人工智能相關(guān)的醫(yī)療公司，它們多始于對醫(yī)學(xué)影像進(jìn)行分析的需求。人工智能在醫(yī)學(xué)圖像和醫(yī)學(xué)影像分析領(lǐng)域的快速發(fā)展與醫(yī)學(xué)數(shù)字成像和通信標(biāo)準(zhǔn)的普及密不可分，醫(yī)生讀片和書寫報(bào)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(xué)習(xí)在醫(yī)學(xué)圖像和醫(yī)學(xué)影像分析領(lǐng)域逐步取得突破的同時(shí)，人工智能在其他醫(yī)療領(lǐng)域中也漸漸得到了應(yīng)用，如對電子病歷數(shù)據(jù)、醫(yī)學(xué)檢驗(yàn)數(shù)據(jù)、基因數(shù)據(jù)、行為數(shù)據(jù)、手術(shù)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(yīng)用目的也更加多樣化，覆蓋了疾病預(yù)測、輔助診斷、輔助治療、手術(shù)規(guī)劃、預(yù)后預(yù)測、康復(fù)等各醫(yī)療階段。
同時(shí)，醫(yī)療對于人工智能技術(shù)的要求也越來越高，深度學(xué)習(xí)的最新技術(shù)均快速體現(xiàn)在各種人工智能醫(yī)療應(yīng)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(shí)的準(zhǔn)確性和魯棒性；②能夠綜合多模態(tài)、多類型的數(shù)據(jù)進(jìn)行診斷和治療；③模型可以進(jìn)行弱監(jiān)督和無監(jiān)督學(xué)習(xí)，減小對于標(biāo)注數(shù)據(jù)量的需求；④模型的結(jié)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(shí)間成本。除了應(yīng)用于臨床醫(yī)學(xué)，人工智能在基礎(chǔ)醫(yī)學(xué)研究、體外診斷和新藥開發(fā)方面也被采用，如利用深度學(xué)習(xí)中的增強(qiáng)學(xué)習(xí)模型來找到基因變異的位點(diǎn)、在巨量的三維結(jié)構(gòu)組合中預(yù)測蛋白質(zhì)折疊的結(jié)構(gòu)、精準(zhǔn)分類體外診斷數(shù)據(jù)、在多維度數(shù)據(jù)中找到生物標(biāo)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(diǎn)等。
我們課題組從2013年開始采用新型的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法進(jìn)行研究，我們認(rèn)為科研的使命就是為技術(shù)的實(shí)際使用和商業(yè)化應(yīng)用探路，因此十余年來我們探索了深度學(xué)習(xí)在各醫(yī)療領(lǐng)域中應(yīng)用的可能性，包括人工智能基于醫(yī)學(xué)圖像和影像的輔助診斷、基于細(xì)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(shù)規(guī)劃和預(yù)后預(yù)測、康復(fù)指導(dǎo)，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(yīng)用中普遍關(guān)注的問題。
2019年，在上海交通大學(xué)醫(yī)學(xué)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(xué)課程中向醫(yī)學(xué)博士研究生介紹人工智能技術(shù)，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(xué)數(shù)據(jù)的輔助診斷、輔助治療和輔助康復(fù)等，還講述了人工智能應(yīng)用中的倫理、規(guī)范和醫(yī)療數(shù)據(jù)的重要性等。課程結(jié)束時(shí)，來自基礎(chǔ)醫(yī)學(xué)和臨床醫(yī)學(xué)各二級學(xué)科等的學(xué)生們在講師和助教幫助下，將完成一個(gè)人工智能醫(yī)療相關(guān)的選題設(shè)計(jì)和實(shí)踐，學(xué)生們可以基于各自專業(yè)的問題和數(shù)據(jù)設(shè)計(jì)選題，然后用人工智能的方法來解決，修完這門課程的同學(xué)們基本上都能獨(dú)立地用好人工智能這個(gè)工具，這將為他們未來的科研和科研成果向臨床轉(zhuǎn)化打下基礎(chǔ)。
在講述人工智能與醫(yī)學(xué)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(xué)應(yīng)用的參考書，這是因?yàn)閲鴥?nèi)外最近幾年出版的人工智能醫(yī)療相關(guān)的圖書、教材多以醫(yī)學(xué)影像相關(guān)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(xué)推導(dǎo)過程等。因此，我們便根據(jù)多年的科研工作和教學(xué)經(jīng)驗(yàn)編寫了本書。本書首先介紹了人工智能及其醫(yī)學(xué)應(yīng)用中必要的背景知識和基礎(chǔ)理論，然后分析了人工智能的各種醫(yī)學(xué)應(yīng)用，最后對人工智能醫(yī)療器械在實(shí)際應(yīng)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(jìn)行了闡述。每章均由對背景知識的綜述和相關(guān)應(yīng)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(gè)領(lǐng)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(xué)應(yīng)用有一個(gè)較廣泛、深入的了解；希望醫(yī)生和醫(yī)學(xué)生讀者能夠快速掌握該領(lǐng)域的概況和方法，了解人工智能在實(shí)際應(yīng)用中的重要意義和局限性，以便在今后的工作中用好這個(gè)工具；希望有志于從事相關(guān)行業(yè)工作的創(chuàng)業(yè)者、工程師和工學(xué)生們可以深度了解人工智能在醫(yī)療中的應(yīng)用實(shí)例，以及應(yīng)用中需要注意的地方，促進(jìn)研究與理論轉(zhuǎn)化。當(dāng)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(gè)快速發(fā)展的領(lǐng)域中，希望本書能夠持續(xù)給予讀者幫助。
錢大宏
2024年11月