版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
当前，以人工智能为代表的新技术给人们生产、生活带来了深刻的变革，拉开了第四次工业革命的序幕[1]。人工智能在医学领域的应用将会把医学带入新的时代——智能医学时代。智能医学，顾名思义，就是"智能"的"医学"，智能是手段，医学是目的。目前，对于智能医学尚无明确的定义，结合当前人工智能与医学领域的发展趋势，提出智能医学的概念：智能医学，即通过人工智能的方法，辅助或替代人类进行医疗行为的科学。
人工智能是智能医学的基础，也是实现智能医学的必要手段。对于人工智能的定义，从学科的角度来说，我们可以参考人工智能应用先驱约翰·尼尔森的定义："人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的学科"[2]。这一定义概括了人工智能的根本特征——表示知识、获得知识以及使用知识。而从功能角度，人工智能之父阿兰·图灵对人工智能进行了精辟的描述："如果一台机器能够与人展开交流，而且会被人误以为它也是人，那么这台机器就具有智能"[3]。
机器学习目前是实现人工智能的主要技术方法。机器学习的特殊之处在于，具有学习能力的程序是指它能够不断的从数据中吸取经验，不断改善其完成既定任务的性能，从而应对未来的预测任务[4]。机器学习是人工智能的技术核心。除此之外，人工智能技术的实现，还要依托硬件的支持(处理器/芯片、传感器元件等)以及云平台提供的存储与计算服务等。
人工智能在医疗领域的最早探索出现于1972年，利兹大学研发的AAPHelp是有据可考的最早出现的医疗人工智能系统，主要用于急腹症的辅助诊断[5]。1975年，斯坦福大学开发了可以用于血液感染源诊断的智能诊断系统MYCIN[6]。在一次测试中，MYCIN给出的诊断准确率达到了69%，高于依据当时的标准进行诊断的临床医生。但是，由于当时计算机的运算性能有限以及伦理争议等诸多问题，MYCIN始终没有投入实际应用。1986年，哈佛大学医学院开发了第一个商业化人工智能诊断系统——DXPlain[7]。DXPlain是第一种临床决策支持系统(CDSS)。在1991年的一次测试中，DXPlain对46例不同类型的患者进行诊断，其诊断准确率和由5名医生组成的评委会相比没有显著差异。目前，人工智能在医学中最成熟的应用是IBM的Watson for Oncology系统。Watson for Oncology的"学习资料"包含了500份医学期刊和教科书、数千万份病历和1 200万页的医学文献。在遇到肿瘤患者时，Watson for Oncology可以根据患者的症状和检查数据，给出初步诊断和有排序的治疗方案供医生选择。
当前人工智能在医学领域的应用主要有疾病的诊断与治疗方案分析，包括上面提到过的CDSS；智能影像分析，包含基于影像学的智能诊断、病灶勾画与识别和影像三维重建等[8,9]；以及疾病风险预测和健康管理。
医疗行为包含了疾病的诊断、治疗和预防。根据智能医学的概念，智能医学应该涵盖医疗行为的全部，三者缺一不可。
可以用CDSS的运作方法来描述智能诊断的原理。首先，收集既往的患者病历、文献和教科书等内容，作为训练数据训练智能诊断系统。在遇到患者时，诊断系统根据患者的症状和主诉判断可能的疾病范围，开具相应的有针对性的检查。根据检查结果给出初步诊断和治疗方案。而在疾病诊疗结束之后，该患者的数据又会被上传至数据平台，对系统进行进一步的优化。
目前，智能诊断所需要的技术基础已经基本成熟，面临的更多的是实施过程中的问题。首先，尽管现在已经有数个智能诊断系统投入应用，但是这些诊断系统无一例外的都只能对某一类疾病进行诊断，诊断疾病谱较窄。如果智能诊断系统还需要医生进行预诊断之后才能运作的话，其意义将会大大降低。只有当智能诊断系统可以覆盖绝大多数的常见疾病时，这一系统才具有广泛的实用价值。另一方面，智能诊断系统需要海量的训练数据作为支撑[10]。而现在医院和医院之间的数据壁垒严重，临床大数据库的建立难度较大。这两方面的问题都在不断解决的过程中，相信上述问题解决之后，智能诊断就会广泛走进我们的生活。
相较于智能诊断，智能治疗目前离应用尚有一定的距离。人工智能的研究分为三个层面：运算智能、感知智能和认知智能。第一个层面是运算智能，即快速计算和记忆储存的能力。智能诊断的核心是基于运算智能的。而如果想让人工智能辅助甚至是替代人类进行疾病的治疗，就涉及感知智能和认知智能层面的内容了。
感知智能是通过各种智能感知能力与自然界进行交互。如人脸识别、声音识别等，都属于感知智能的范畴。而认知智能是一个目前尚具有争议的内容，前两个层面的人工智能都是要做到使机器"像"人一样思考，而认知智能则要求机器用人类的方式进行学习，思考并实施行为。治疗涉及的是患者和机器的直接交互，所以在智能治疗的过程中，感知智能和认知智能必不可少。治疗的内容包含方方面面，从对人体的作用来说，可以分为非侵入性治疗(药物治疗、放疗等)和侵入性治疗(手术、穿刺等)。非侵入性治疗在实现上比较容易，而侵入性治疗，比如手术等，需要的是机器对人体各方面状态的实时识别，并根据相应的情况进行处理，实现难度较大。在智能治疗的实现过程中，可以以非侵入性治疗作为突破口，然后逐渐拓展到侵入性治疗的领域。
在疾病的预防——诊断——治疗体系中，最重要的是预防，"防于未然之前"在各方面的成本都要远远小于"治于已然之后"。但预防却是整个医疗行为中最容易被忽略的一环。其中的一个原因是疾病预防的过程较为复杂。但是当前，智能装备的逐渐普及使得个体细致到每一个生命体征、每一次医疗行为都留下可回溯的痕迹，这大大了降低进行疾病预防的难度[11]，同时也为针对性、个体化的疾病预防提供了必要的条件。在应用中，可以通过智能装备收集的健康数据进行聚类分析，找到各个疾病的高危人群。进而针对性分析个体的发病风险，从而达到疾病预防的目的。与此同时，医疗的边界将远远超出看病治病这一范围，而延伸至健康管理的方方面面，甚至包括生活、饮食习惯等，其目的在于将疾病防于未然之前。随之而来的是，医生和患者的交互模式将从医院之内扩展至医院之外，甚至医患间的主动关系也会发生变化，从现在的患者找医生，变成以后的医生找患者。
前面我们介绍了智能诊断系统MYCIN。然而，MYCIN从没有在临床上实际应用过。没有应用的原因并非因为MYCIN存在不足或缺陷，而是因为它引起了有关计算机干预医疗行为的伦理和法律问题的讨论[6]。反对者的理由很简单：如果MYCIN给出了错误诊断或错误的治疗方法，该由谁来负责？医生、医院还是程序开发者？法院不可能对MYCIN进行判决，总要有人类来承担后果。因此，在可预见的未来，无论人工智能发展到何种程度，也许都需要人类对其结果进行最后的评判，并承担相应的风险。在这种情况下，医生与患者的接触方式将发生极大的变化，传统意义上的医患关系将会出现颠覆性的变化。
这使我们不得不考虑到人工智能应用于临床可能带来的伦理争议[12,13]。例如目前的智能诊断系统，即使诊断准确率超过了人类，也无一例外面临着"诊而不断"的问题，只能作为临床工作中的辅助。随着技术的进步，人工智能在医疗行为中的方方面面超越人类只是时间问题。到那时是否应该在医疗过程中给予机器人自主权？能否保证机器人进行医疗行为的安全性？智能诊疗过程中如果出现了意外情况，责任应该如何判定？这些问题都是智能医学的实现过程中一定会遇到的，应当未雨绸缪，在政策和法律上对相关问题提前做出约束和规范。
另外，人文方面的问题也是需要我们考虑的。患者需要治疗，但除了治疗以外，患者还需要沟通、交流、被理解、被安慰，而这恰好又是机器人(指的是现行技术条件下的弱人工智能机器人)的弱点。因此，人工智能在医疗行为中可以在多大的程度、哪些岗位上替代人类，不单单是技术层面的问题。试想两类极端情况，一种是与患者面对面交流的医护人员，但是并不将患者放在心上；另一种是将对患者的关心模拟的淋漓尽致的、可以表达情感的人工智能机器人，哪一种对患者更加有利呢？人文方面的问题同样值得我们去认真思考。
今天，技术进步让我们前所未有的接近智能医学——这个曾经看起来似乎无法触碰的目标。可以预见，如同医学数千年的发展史一样，智能医学的实现一定不会是一帆风顺的。但智能医学的发展是大势所趋，是不可能逆转的过程。机器将开始取代医生这一传统的知识密集型行业。不过我们看到，在医学发展的长河中，尽管明知新兴技术会在一定程度上替代自己，会降低自己的劳动价值，无数先进的医生还是义无反顾的投入到新技术的开发中，推动着医学的不断进步。这是前辈们的伟大之处，也是医学不断向前发展的无尽动力。
