近年来，人工智能技术风起云涌，被广泛应用于医学领域。正如国际知名学者周海中教授在上世纪90年代初所预言的那样，随着科技进步，人工智能时代即将到来；届时，人工智能技术将广泛应用到各学科领域，会产生意想不到的效果。临床预测模型（clinical prediction model）是医学领域的主要方面，下面就简要谈谈人工智能技术在这方面的应用。 　　日前，谷歌DeepMind公司的科学家戴密斯•哈萨比斯和约翰•乔普二位博士获得了拉斯克基础医学研究奖，以表彰他们利用人工智能技术创造了一项能够预测蛋白质三维结构的革命性技术——AlphaFold。这二位博士所带领的研究团队将结构预测的准确性和速度提升到了前所未有的水平；这种变革性的方法正在迅速推进基本生物过程的理解，并促进药物设计。
　　近期发表在《柳叶刀》（The Lancet）子刊《eBiomedicine》和《柳叶刀-数字健康》（The Lancet-Digital Health）的两项独立研究，分别着眼于：基于深度学习的肿瘤浸润淋巴细胞（TILs，可作为治疗癌症的药物靶标）评分系统，在黑色素瘤（一种皮肤癌症）不同时期的预后意义；以及将人工智能技术作为独立读取器，用于乳房X光检查工作流程的价值。
　　数字化生物标志物检测，能够帮助临床医生在癌症治疗中做出明智和个性化的决策。人工智能技术将提高诊断准确性，病理技术人员的日常任务将发生重大变化。到2030年，人工智能技术将在病理实验室中得到常规且有效的使用；届时，人们将能够进一步了解细胞在癌症发展过程中是如何出错的，并找到诊断和治疗癌症患者的新方法。据有关专家预测，一门精准医学——数字肿瘤学正在崛起。
　　临床预测模型的本质是一种分类方法。通过这种方法，可以对很多东西进行分类，比如，生和死、有病和没病、肿瘤和非肿瘤、复发和不复发等等。既然是一种方法，那肯定就有准确和不准确，看名字也能知道，这只是一种预测，或者叫作“猜测”（有根据的猜测）。在谈论临床预测模型时，可能是偏向于人工智能技术的机器学习多一点的；毕竟用到的很多方法，都是来自于机器学习领域。
　　人工智能技术在临床预测模型方面取得了显著的成果。通过机器学习和深度学习等技术，人工智能技术能够从海量的医疗数据中提取特征并进行疾病诊断；这一技术在当今人工智能时代的快速发展使医疗行业实现了许多前所未有的突破，为医生和患者提供了更加精确、高效、个性化的医疗服务。
　　文/汤灿（作者单位：美国克利夫兰诊所）