AI在医学中的崛起
自人工智能诞生以来，将AI应用于医学以改善医疗保健一直是一个未来主义梦想。在2000年代机器学习时代之前，人们曾多次尝试应用技术编码医学知识。然而与一般专家系统类似，基于规则的医疗决策系统存在局限性且难以扩展。
随着2000年代机器学习技术逐渐成熟，利用大型数据集开发复杂模型的机遇开始应用于医疗领域。研究人员构建了分析电子健康记录（EHRs）或医学图像的机器学习模型，以生成实用的分类系统。
深度学习的兴起和2012年AlexNet的突破，使AI在诊断领域获得更广泛应用，特别是在辅助放射科医生通过分析MRI和CT扫描图像进行疾病检测方面。到2015年，深度学习模型在特定医学影像任务上已开始超越人类专家。
IBM的沃森在2011年通过赢得《危险边缘》（Jeopardy!）节目引发广泛关注。IBM借此宣布将沃森用于医疗领域，特别是癌症诊断。然而"沃森肿瘤学"（Watson Oncology）系统未能实现其雄心勃勃的目标。到2017年，业界普遍结论是"IBM的傲慢和炒作撞上了现实"。
IBM的AI营销过度超前于技术实力。沃森是深度学习时代前的自然语言处理问答系统，需依赖人工训练和特征工程得出结论，其技术根本无法胜任医疗诊断任务。该公司最终将沃森健康部门出售给私募股权公司，原沃森健康业务现已更名为Merative。
图1. AI医生即将接诊……虽尚未完全实现，但为期不远
随着2010年代自然语言处理（NLP）技术的改进，基于NLP的聊天机器人开始应用于医疗场景，例如2015年的Pharmabot（儿科药物咨询机器人）。随着图像和文本分类技术的进步，AI系统在多项医疗任务中展现出媲美甚至超越人类专家的性能。
例如，Arterys开发的CardioAI能在数秒内分析心脏磁共振图像，提供心脏射血分数等关键指标。该系统于2017年成为美国食品药品监督管理局（FDA）批准的首个临床云深度学习医疗应用。同样在2018年，FDA批准了IDx-DR——首个用于检测糖尿病视网膜病变的AI医疗设备。
2020年发表的综述《医学中人工智能的历史》表明，医疗AI已从基础原型发展为成熟实用的系统，显著提升诊断准确性、工作流程效率和患者预后。然而当时AI的大部分潜力仍处于未来展望阶段。
医疗保健中的AI算法
该综述论文明确指出：
"AI算法及其应用需进一步研究验证。此外还需更多临床数据证明其有效性、价值及对患者护理的实际影响。最后必须开发具有成本效益的AI模型与产品，使医疗机构能将其融入日常临床实践。"
因此医疗应用场景需要三大要素：切实有效的算法模型、充分的临床训练数据，以及便于医护人员日常使用的经济型AI应用。
在ChatGPT问世前的AI时代，三类算法构成医疗AI应用的基础：
- 基于自然语言处理（NLP）的应用：用于聊天机器人、虚拟助手、电子健康记录分析工具及文本分类系统
- 图像处理工具：基于CNNs（卷积神经网络）的系统，通过图像识别检测疾病或预测病情进展，广泛应用于放射学领域
- 基于强化学习（RL）的应用：涵盖手术机器人、AlphaFold等药物发现系统、个性化药物设计及败血症等疾病的治疗方案优化
图2. 1950-2020年医学AI发展历程（源自《医学中人工智能的历史》）
图3. AI与机器学习在医疗基础设施中的应用（摘自《医疗基础设施中AI/ML干预：综述与未来趋势》，《Healthcare》2023年）
通过大语言模型加速医疗AI发展
ChatGPT的出现开启了医学AI的新纪元，使我们能更便捷地利用大型语言模型（LLMs）理解和推理医学信息。
这一进步可通过AI模型在通过美国医师执照考试（USMLE）方面的提升得以印证。图表显示从早期BERT问答系统到谷歌Med-PaLM系列的发展轨迹，后者在MedQA数据集上取得86.5%的优异成绩。
图4. 医学相关LLMs在美国医师执照考试中的得分趋势（Isaac Cohane演示文稿）
2022年研究确认"大型语言模型是少样本临床信息提取器"。GPT-3无需重新训练或大量示例即可准确响应多种临床文本查询，使此前需要复杂定制方案的医疗任务变得可行。
图5. LLMs在五类临床信息提取任务中的表现（涵盖问答与分类任务）
鉴于LLMs在医学领域的潜力，研究人员正致力于：优化MedQA等数据集的模型表现、开发更具临床相关性的训练数据集与评估基准。2024年6月发表的《OpenMedLM：提示工程在开源大模型医学问答中优于微调》论文，在Yi34B开源模型基础上开发的系统通过零样本/少样本提示策略，在MedQA和MMLU医学子集分别取得72.6%和81.7%的准确率，超越此前开源医疗LLM标杆MEDITRON-70B。
图6. 开源LLMs在MedQA得分提升轨迹（较闭源模型稍滞后）
《为临床任务调整大型语言模型》提出'expand-guess-refine'提示策略，使ChatGPT在USMLE问题解答准确率达70.63%。《Gemini进入医学院》研究发现Gemini 1.0在MedQA任务中表现落后于GPT-4V和Med-PaLM2。
最新研究《o1在医学中的初步研究：我们是否更接近AI医生？》评估了OpenAI新型o1模型在19个临床相关基准的表现，其平均准确率较GPT-4提升6.2%，研究者据此确认AI医生时代正在来临。
图7. o1模型在医疗推理基准测试中全面超越GPT-4及先前LLMs
尽管o1代表当前最佳水平，仍有提升空间：若将顶尖通用推理LLM与专业微调技术（如Med-PaLM2方案）结合，或引入检索增强生成（RAG）系统，性能有望进一步突破。
医疗保健中的AI才刚刚起步
总结而言：LLMs在推理、知识检索及医学信息理解方面取得显著进步，o1等模型在解答医学问题时已接近人类水平。
LLMs的发展为临床应用创造了新机遇：错误检查、病历摘要、风险预测等文本类医疗任务，已从"不可能"变为"可实现"；部分任务甚至从"困难"转为"简易"。
正如好医生远不止于通过医学考试的学生，医疗AI的价值也远超解答考试题目的能力。 将AI转化为真实临床环境中的实用工具是个漫长过程，多数医疗AI应用仍处于起步阶段。
医疗保健是庞大复杂的体系，涵盖众多医学专科与诊疗流程。面对如此广阔的应用前景，AI有潜力彻底革新医疗体系，但其深远影响尚未完全显现。
目前AI已应用于多个医疗领域：生物医学研究、医患互动分析、影像与数据自动诊断、精准医学、患者管理、医患沟通聊天机器人、药物研发及药物相互作用评估等。医疗AI应用正快速扩展，下期将深入探讨这些前沿实践。
【全文结束】
