医学影像中人工智能的演变：从计算机科学到机器学习和深度学习

人工智能（AI）是指一系列旨在赋予机器或计算机执行类人认知功能的技术，这一概念始于1940年代，当时提出了智能机器的第一个抽象模型。很快，在1950年代和1960年代，诸如神经网络和决策树的机器学习算法引发了极大的热情。近年来的进展包括学习算法的改进、卷积神经网络的发展以高效分析图像，以及合成新图像的方法。这种重新燃起的热情也得益于图形处理单元的计算能力提升以及大规模数字数据库的可用性，神经网络可以对其进行挖掘。人工智能很快开始应用于医学，最初通过专家系统支持临床医生的决策，后来又通过神经网络用于检测、分类或分割医学图像中的恶性病变。一项最近的前瞻性临床试验显示，单独使用人工智能与两位放射科医生对筛查性乳腺X光片的双重阅读相比，二者的效果并不逊色。自然语言处理、递归神经网络、变换器和生成模型都提升了对医学图像进行自动读取的能力，并将人工智能推向新的领域，包括电子健康记录的文本分析、图像自标记和自我报告。开放源代码和免费库的可用性，以及强大的计算资源，极大地方便了研究人员和临床医生采用深度学习。围绕人工智能在医疗保健中的主要关注点包括需要临床试验来验证有效性，以及对人工智能工具的“黑箱”性质的看法，这需要更高的可解释性和可说明性，以及确保人工智能系统公平性和可信性等伦理问题。凭借其多功能性和显著的效果，人工智能成为医学前沿研究和应用中最有前景的资源之一，尤其是在肿瘤学应用方面。