近年來，人工智慧技術風起雲湧，被廣泛應用於醫學領域。正如國際知名學者周海中教授在上世紀90年代初所預言的那樣，隨著科技進步，人工智慧時代即將到來；屆時，人工智慧技術將廣泛應用到各學科領域，會產生意想不到的效果。臨床預測模型（clinical prediction model）是醫學領域的主要方面，下面就簡要談談人工智慧技術在這方面的應用。 　　日前，谷歌DeepMind公司的科學家戴密斯•哈薩比斯和約翰•喬普二位博士獲得了拉斯克基礎醫學研究獎，以表彰他們利用人工智慧技術創造了一項能夠預測蛋白質三維結構的革命性技術——AlphaFold。這二位博士所帶領的研究團隊將結構預測的準確性和速度提昇到了前所未有的水準；這種變革性的方法正在迅速推進基本生物過程的理解，並促進藥物設計。
　　近期發表在《柳葉刀》（The Lancet）子刊《eBiomedicine》和《柳葉刀-數字健康》（The Lancet-Digital Health）的兩項獨立研究，分別著眼於：基於深度學習的腫瘤浸潤淋巴細胞（TILs，可作為治療癌症的藥物靶標）評分系統，在黑色素瘤（一種皮膚癌症）不同時期的預後意義；以及將人工智慧技術作為獨立讀取器，用於乳房X光檢查工作流程的價值。
　　數字化生物標誌物檢測，能夠幫助臨床醫生在癌症治療中做出明智和個性化的決策。人工智慧技術將提高診斷準確性，病理技術人員的日常任務將發生重大變化。到2030年，人工智慧技術將在病理實驗室中得到常規且有效的使用；屆時，人們將能夠進一步瞭解細胞在癌症發展過程中是如何出錯的，並找到診斷和治療癌症患者的新方法。據有關專家預測，一門精準醫學——數字腫瘤學正在崛起。
　　臨床預測模型的本質是一種分類方法。通過這種方法，可以對很多東西進行分類，比如，生和死、有病和沒病、腫瘤和非腫瘤、復發和不復發等等。既然是一種方法，那肯定就有準確和不準確，看名字也能知道，這只是一種預測，或者叫作「猜測」（有根據的猜測）。在談論臨床預測模型時，可能是偏向於人工智能技術的機器學習多一點的；畢竟用到的很多方法，都是來自於機器學習領域。
　　人工智慧技術在臨床預測模型方面取得了顯著的成果。通過機器學習和深度學習等技術，人工智慧技術能夠從海量的醫療數據中提取特徵並進行疾病診斷；這一技術在當今人工智慧時代的快速發展使醫療行業實現了許多前所未有的突破，為醫生和患者提供了更加精確、高效、個性化的醫療服務。
　　文/湯燦（作者單位：美國克利夫蘭診所）