在计算机和机器人诞生之后，它们在许多领域取代了工人，在体力劳动和重复性工作中，解放了大量劳动力。人们也开始思考，既然计算机能够储存海量知识，那么能否让计算机进行一些脑力劳动呢？

       智能医疗诊断的演变

       早在50多年前，就已经出现了AI医生。最早的AI医生是基于一种叫作“专家系统”的技术建立的。“专家系统”这个名字非常形象，就是让计算机模拟一个领域的专家。我们先回想一下专业的人类医生是怎样给我们看病的。

       首先，医生一定拥有非常丰富的医学知识：什么是肠胃炎，什么是腰椎间盘突出，以及该用什么样的药去治疗这些病，这些知识都记在医生的脑子里。专家系统也是一样，人们会为专家系统搭建一个“知识库”，把某个领域的专业知识输入进去，这就成了专家系统的基础。

       但光有这些知识还不够，人类医生还需要针对不同病人的情况给出具体的判断。在看病的时候，医生会问我们：“体温有没有超过38℃？”“有没有发烧超过3天？”“有没有呼吸困难？”“化验指标里是不是有某某指标偏高？”这就是医生根据我们的病情和他脑海中的知识库，进行推理诊断。

       专家系统也有一个具备这种推理分析功能的模块，叫作“推理机”。通过“知识库”和“推理机”，专家系统就可以给人类看病了。在20世纪70年代，人们基于专家系统，开发了一款叫作MYCIN的诊断系统。这个系统能够提出一系列问题，根据回答判断出患者被什么类型的细菌感染了，并且推荐合适的抗生素进行治疗。

       AI在医疗领域的突破与展望

       同样在20世纪70年代，一款叫作INTERNIST-I的系统诞生了，它的知识库里记录了600多种内科疾病的知识，人们希望它能够替代内科专家进行诊断。然而，专家系统在实际使用过程中却遇到了一些麻烦。

       首先，一个病人身上往往存在多种疾病。疾病的症状不同，化验指标可能存在相互干扰，这使得INTERNIST-I的诊断准确性大大降低。其次，人体是一个非常复杂的系统，同样的病在不同的人身上表现会很不一样。而且病人在描述病情的时候，也会受到主观因素的影响，经常含糊不清。人类医生可以跟患者深入交流，或者观察患者的神态表情作出判断，但专家系统做不到这一点。此外，专家系统的“知识库”和“推理机”里的知识和规则必须非常准确，交流过程中不能有一点差错，否则专家系统就可能会给出错误的判断。医学领域的知识更新迭代特别快，而专家系统自己又不能学习新的知识和规则，必须由专人手动调整，成本非常高昂。

       为了实现技术突破，人们逐渐开始利用大量的医疗数据训练AI，让它能够作出更加准确的判断。卷积神经网络兴起之后，AI对图像识别的能力大大提升，人们才得以用AI来识别专业的医疗影像。如今，在一些恶性肿瘤的识别诊断上，AI的识别准确率甚至比人类医生还要高。

       人工智能除了在医学影像识别方面发挥作用，还在药物研发领域发挥着重要作用。例如，某医药公司在研究药物时，就借助了AI的帮助，来预测药物之间可能出现的相互作用，大大缩短了研发周期。这也是目前“AI+Science”方向的一个典型案例，可能会给医学、甚至整个科学领域带来重大的变革。

       在结合了海量的健康数据之后，AI能够学习到人类的各项生理指标、基因和疾病之间的规律，能够更有针对性地提出疾病预测和个性化的治疗方案。这种预测性的医疗，能更好地帮助我们预防疾病，提前预知可能存在的风险。

       虽然目前让AI完全替代经验丰富的人类医生还不太现实，但AI技术已经在医疗领域的诸多方面大放异彩。相信在AI的帮助下，人类的健康水平将会得到更大的提升，让我们拭目以待吧。 （据科普中国）