机构名称：
¥ 1.0
随着计算机和人工智能 (AI) 概念在 20 世纪 40 和 50 年代几乎同时发展起来，医学领域很快就看到了它们的潜在相关性和好处。1,2 1959 年，基夫·布罗德曼 (Keeve Brodman) 及其同事声称“对症状做出正确的诊断解释可以在各方面合乎逻辑的过程，并且定义如此完整，以至于机器也可以完成。”3 十一年后，威廉·B·施瓦茨 (William B. Schwartz) 在该杂志上撰文写道：“计算机科学可能会通过增强、在某些情况下在很大程度上取代医生的智力功能来发挥其主要作用。”4 他预测到 2000 年，计算机将在医学中扮演全新的角色，成为医生智力的强大延伸。然而，到了 20 世纪 70 年代末，人们感到失望，因为医学计算的两种主要方法——基于规则的系统和匹配或模式识别系统——在实践中并没有像人们希望的那样成功。基于规则的系统建立在这样的假设之上：专家知识由许多独立的、针对特定情况的规则组成，而计算机可以通过将这些规则串联起来形成推理链来模拟专家推理。匹配策略试图将患者的临床特征与一组“存储的档案”（我们现在称之为“疾病脚本”）相匹配，5 这是特定疾病的发现之一。人们投入了更多的精力来理解临床决策过程本身。6 很明显，大多数先前程序的关键缺陷源于缺乏病理生理知识。当加入这些知识后，性能大大提高。尽管如此，在 20 世纪 80 年代，计算机还无法胜任这项任务。到 1987 年，基于规则的系统已在各种商业任务中证明有用，但在临床医学中却没有发挥作用。事实上，施瓦茨及其同事指出，“这个过程非常缓慢，即使使用现代高速计算机也不切实际。” 7 他们继续说：“几十年来，医生们一直听说计算机很快就能帮助进行困难的诊断，他们很可能会想知道为什么这场革命还没有发生。” 7
临床医学中的人工智能和机器学习，2023 年
主要关键词
相关文件推荐
