过去十年间，机器学习(ML)和人工智能(AI)在临床医学中的整合应用加速发展，重塑了临床医生收集、分析和解读健康数据的方式。2021年至2025年间，有超过53,000篇出版物探讨了AI、深度学习(DL)和ML在几乎所有医学专科中的应用——从心脏病学和神经学到肿瘤学和传染病学。其中，659篇论文获得了高引用量，28篇被列为"热点论文"，这凸显了AI在现代医疗保健中日益增长的影响力和作用。
为应对这一快速发展的局面，《临床医学杂志》(Journal of Clinical Medicine)特别设立了"临床医学中的机器学习与人工智能"专栏，旨在提供一个经过严格同行评审的多学科平台，以推动AI在临床实践中的负责任和有效应用。该专栏汇集了临床医生、数据科学家和工程师，促进能提升患者预后并深化医学知识的合作研究。其核心使命是将尖端计算研究转化为切实的临床效益，确保技术创新始终与患者安全、伦理完整性和科学严谨性保持一致。
秉承这一愿景，该专栏欢迎涵盖广泛AI驱动临床研究的投稿。研究主题包括：用于疾病诊断、预后和治疗优化的AI与ML算法开发与验证；通过风险评估和患者特异性建模实现的预测性和个性化医疗；利用深度学习进行图像分割和分类的医学影像与信号处理应用；将AI工具整合到实际工作流程中的临床决策支持系统；以及人工智能驱动的可穿戴设备和远程监测系统等数字健康创新。这些研究领域共同体现了该专栏致力于将技术进步与日常临床相关性相结合的承诺。
近期文献趋势突显了这些努力的变革性范围。高被引作品如《健康与医学中的人工智能》(2022年，1327次引用，数据来源：Web of Science)和《医师与人工智能聊天机器人对患者问题的回应比较》(2023年，1386次引用，数据来源：Web of Science)展示了AI在诊断、患者沟通和决策支持方面的潜力。相反，《GPT-4作为临床聊天机器人的评估》(2023年，962次引用，数据来源：Web of Science)等批判性分析提醒我们，进展必须通过严格的伦理、技术和安全评估来平衡。
近年来，AI在医学影像领域的应用成为主导焦点，深度学习方法正在彻底改变放射学、病理学和心脏病学。《深度学习赋能的医学计算机视觉》(2021年，670次引用，数据来源：Web of Science)和《深度学习医学影像分析中的可解释人工智能》(2022年，619次引用，数据来源：Web of Science)等出版物强调，对于临床实施而言，可解释性与性能同等重要。可解释人工智能(XAI)这一不断发展的领域正体现了这一原则，因为透明度和可信度 increasingly recognized as prerequisites for real-world adoption.
同样重要的是AI驱动临床研究中报告标准化和方法严谨性的提升。《TRIPOD+AI声明》(2024年，653次引用，数据来源：Web of Science)代表了改善可重复性、数据透明度和偏差缓解的重要一步——这些是为临床AI建立可靠证据基础的关键要素。
在2021年至2025年间发表的数万项研究中，一部分高被引论文定义了AI在医学中的当前轨迹。表1展示了被引次数最高的10篇论文，反映了AI驱动医学影像、临床预测模型、可解释AI和AI辅助患者互动等核心研究方向。这些作品不仅展示了该领域科学活动的广度，也体现了其向实用、伦理和可持续临床整合的转变。
展望未来，该专栏将继续致力于成为数据科学与临床护理之间的桥梁，强调协作、透明度和创新。通过鼓励提交将方法论卓越性与临床洞察力相结合的研究，《临床医学杂志》旨在确保AI技术的开发和实施能够赋能临床医生、保护患者并推进循证医学。
编辑委员会成员声明
作为本专栏的编辑，我们致力于营造一个平衡创新与临床责任的科学环境。AI在医疗保健领域的快速进展既带来了显著机遇，也伴随着复杂的挑战——包括伦理、技术和组织层面的挑战。我们的使命是引导这一变革朝着可衡量的患者获益、公平性和可靠性方向发展。
我们诚挚邀请研究人员和临床医生通过提交原创研究、系统综述和前瞻性观点，为这一不断发展的对话做出贡献，共同推进AI和ML在临床医学中的负责任整合。
利益冲突声明
作者声明不存在利益冲突。
表1. 2021-2025年临床医学中人工智能和机器学习领域被引次数最高的10篇论文（数据截至2025年10月，提交日期：2025年10月30日，数据来源：Web of Science）
| 排名 | 论文标题 | 年份 | 引用量 | DOI |
|---|---|---|---|---|
| 1 | AI in health and medicine | 2022 | 1327 | 10.1038/s41591-021-01614-0 |
| 2 | Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum | 2023 | 1386 | 10.1001/jamainternmed.2023.1838 |
| 3 | Benefits, Limits, and Risks of GPT-4 as an AI Chatbot for Medicine | 2023 | 962 | 10.1056/NEJMsr2214184 |
| 4 | Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation, and Diagnosis for COVID-19 | 2021 | 809 | 10.1109/RBME.2020.2987975 |
| 5 | Deep learning-enabled medical computer vision | 2021 | 670 | 10.1038/s41746-020-00376-2 |
| 6 | TRIPOD plus AI statement: Updated guidance for reporting clinical prediction models that use regression or machine learning methods | 2024 | 653 | 10.1136/bmj-2023-078378 |
| 7 | Artificial Intelligence and Machine Learning in Clinical Medicine, 2023 | 2023 | 636 | 10.1056/NEJMra2302038 |
| 8 | Explainable artificial intelligence (XAI) in deep learning-based medical image analysis | 2022 | 619 | 10.1016/j.media.2022.102470 |
| 9 | Recent advances and clinical applications of deep learning in medical image analysis | 2022 | 576 | 10.1016/j.media.2022.102444 |
| 10 | A review of medical image data augmentation techniques for deep learning applications | 2021 | 572 | 10.1111/1754-9485.13261 |
【全文结束】
