循证医学源于临床流行病学，自其诞生距今已有三十余年的历史。循证医学主张医疗决策应该建立在当前可得的最佳医学证据基础上，通过生产和应用科学证据来改善临床实践的质量，减少医疗差错，节约医疗资源。循证医学的出现，使得临床实践过程中医生可更加科学地开展诊疗，最大程度地避免偏见和偏倚。

近年来，人工智能（AI）已经应用于医学影像诊断、药物研发、辅助决策等领域。随着算法、算力的不断改进提升，其对医疗模式的影响将越来越深远。循证医学与AI如何协作，共同促进医学的发展将是一个值得讨论和研究的话题。

AI将成为拓展证据的来源和方法　在传统的循证医学中，随机对照试验（RCT）被视为最高级别的证据来源，因为它可以有效地消除混杂因素，评估干预措施的效果。然而，在AI时代，RCT并不是唯一或最佳的数据源。由于RCT有其局限性，无法反映真实世界中的复杂性和多样性，且无法及时更新和反馈数据，难以适应快速变化的临床环境和需求。因此，在AI时代，循证医学需要拓展其数据源和方法，基于AI对真实世界数据、真实世界证据、可穿戴设备、传感器技术和医疗物联网系统的数据进行挖掘，从而有效补充RCT的不足。与之相匹配的则是对这些数据和证据风险偏倚的评估和适用性评价方法的探索和完善。

AI可加速证据的合成与评价　AI可以帮助快速收集、遴选和评价证据，加速证据合成的过程。此外，诸如Covidence、DistillerSR、EPPI-Reviewer以及SWIFT-Review等基于自然语言处理的软件，均能够一定程度上帮助提升文献管理、筛选以及数据提取的效率。另外研究显示，采用RobotReviewer评价RCT的偏倚风险，可以提高部分评价领域的效率和准确性。

AI助力临床诊疗决策　AI在疾病诊断和筛查方面有广泛的应用，AI可以帮助临床医生快速准确地识别图像中的病变部位和特征，进行自动标注与定位，同时自动进行病灶的测量、计数和特征提取，与多次扫描结果进行对比，并与循证医学结合，参考大量的文献数据以及患者的个体特征，降低疾病的漏诊与误诊率，提高诊断和筛查的准确性。比如AI应用于眼底图像分析，进行糖尿病视网膜病变检测和诊断时，敏感度和特异度均可达到91%。

AI提高个体化医疗水平　在AI背景下，循证医学的发展也将更加注重治疗方案的个性化和精准化。通过对大量的临床数据进行分析和挖掘，可以更准确地了解患者的个体差异，从而针对个体患者制定更加个性化的治疗方案。目前已经有一些研究利用AI的技术，通过基因组学和代谢组学等方面的分析，为患者制定个性化的治疗方案。

作为一种更加效率的语言生产模型，ChatGPT的问世给医学的发展带来巨大的潜力和影响。JAMA在2023年3月发表的一篇观点性文章中提到，ChatGPT可以在研究、教育和诊疗决策方面发挥重要作用。在研究领域，它可以帮助研究者确定重要问题，开发研究方案并归纳总结数据。对循证医学而言，ChatGPT在证据的生产、评价、合成和应用方面，均可发挥其巨大潜力。其问答和推理能力，可以对拟开展的临床问题提出最优的研究设计方案，对医学领域发表的文献进行快速、全面和准确的质量评价，也可以在针对同一问题所开展的研究结论不一致时，分析原因和给出建议。假以时日，二次研究的证据（如系统评价）可在ChatGPT的帮助下以极短的时间完成。此外，在循证科普方面，ChatGPT也可发挥作用。譬如，ChatGPT可以生成用于警示避免发热患儿使用抗生素的科普短文或绕口令，如果配上Midjourney生成的图片，则一幅图文并茂的循证科普作品就可以在瞬间完成。

总之，AI可以在循证医学相关的多方面，发挥其助力作用。但有关证据可靠性判断、AI辅助决策的安全性和伦理，以及如何在不同国家适应其法律法规方面，还需要进一步开展相关研究。同时，在AI的协助下，需要进一步拓展循证医学的数据来源和类型，以期早日迈向精准循证医学，实现个体化医疗的目标——即在恰当的时间为合适的患者提供正确的治疗。