起源于20世纪50年代的医学信息学是医学与信息科学、计算机科学、管理学、统计学、数学等多学科融合而成的一门新兴交叉学科，以生物医学领域的数据、信息和知识为研究对象，综合运用多学科的技术和方法，通过获取、存储、组织、挖掘和利用等手段，应用于卫生管理、临床诊疗、医学教育等方面。随着人工智能、医学大数据、高性能计算等信息技术的飞速发展和广泛应用，医学信息学的应用正在不断扩大和深化，信息技术与健康医疗应用场景、医疗服务的深度融合，助推医疗卫生信息化的建设进程、智慧医院的实现和个人健康的全生命周期管理，衍生了数字疗法等新兴的疾病预防、治疗和管理的新范式，派生出生物信息学、健康信息学、临床信息学、护理信息学、药学信息学、中医药信息学、影像信息学等多分支学科。

随着人工智能新技术在医学信息学领域的交叉融合，实践应用已涉及到临床诊疗、医学基础研究、医学教育以及卫生决策等多个方面。在临床诊疗方面，深度神经网络智能分析医学影像数据，可帮助医生快速准确地诊断疾病和发现异常病灶；人工智能分析患者的病历和生理生化数据构建临床决策支持模型，可帮助医生判断患者当前状态、预测患者未来的潜在健康风险、制定治疗方案和预防措施等。在医学基础研究方面，通过人工智能分析多组学数据可进行癌症风险预测、癌症检测和分类分期、癌症药物发现和再利用、预后分析等。在医学教育方面，人工智能技术可模拟演示人体的复杂解剖结构及其精细控制运动，可帮助医学生获得及时反馈和自我评估。在卫生决策方面，人工智能可以进行欺诈骗保、过度用药、过度检查等风险监测，还可以利用病历信息、地理位置信息、用户反馈等大数据来协调医疗资源的合理分配。

人工智能在医学信息学中的应用为医疗行业带来了更好的解决方案，但同时也存在潜在的风险和隐患。例如，机器学习算法可能会受到数据集的偏差或噪声的影响，导致预测结果的不准确性；自动化决策系统可能会存在误判或漏判的情况，导致治疗效果不佳或患者安全受到威胁。此外，隐私保护和信息安全问题也需要引起足够的重视。

为了让人工智能更规范地促进医学信息学的发展，首先，需要加强数据质量和隐私保护，应该建立更加完善的数据管理和隐私保护机制，确保医疗数据的质量和安全。其次，加强人工智能算法的透明度和可解释性，同时应该开发人工智能算法的评估方法，确保算法的可靠性和准确性。再次，加强人工智能算法的监管和审查，需要建立专门的机构和机制，以确保算法的安全性和准确性。最后，加强人工智能算法的伦理和道德约束，确保人工智能算法的应用不会对患者的利益造成损害。

随着学科框架日益完善，医学、信息科学深度交叉融合，医学信息学的定位，将从早期的辅助医学研究逐渐转变为驱动医学研究创新发展的重要基础和动力，是医学学科发展不可或缺的组成部分。人工智能新技术在医学领域的应用将逐渐深入，以ChatGPT为代表的通用大型语言模型将改变医学知识交流、获取方式，医学信息学领域的未来前景非常广阔。