摘要：MYCIN系统在1979年评估的结果，在实习医生与医学生中排名第一尽管MYCIN从未进入临床（因缺乏数字化病历支持），但它开创了现代临床决策支持系统（CDSS）的基础范式：基于规则的推理，可解释的诊断逻辑，以及多因素综合判断。INTERNIST-1：当人脑知识
原创 bio kiwi biokiwi
MYCIN系统在1979年评估的结果，在实习医生与医学生中排名第一尽管MYCIN从未进入临床（因缺乏数字化病历支持），但它开创了现代临床决策支持系统（CDSS）的基础范式：基于规则的推理，可解释的诊断逻辑，以及多因素综合判断。INTERNIST-1：当人脑知识库遇上算法AI与医学的结合，可谓是多点开花。同一时期，匹兹堡大学正进行着更狂野的尝试。时任匹兹堡大学医学系主任的杰克·迈尔斯（Jack Duane Myers）在医学界享有盛誉。这位拥有超群记忆力的医师，青年时期每周投入20余小时研读医学文献，其卓越的临床推理能力被誉为内科界的"夏洛克·福尔摩斯"。1973年，55岁的迈尔斯在卸任系主任之际萌生了新想法——开发医学辅助诊断系统，帮助医生完成内科诊断。这个想法很快就成为了现实——迈尔斯结识了师出艾伦·纽厄尔的计算机专家哈利·波普尔（Harry E. Pople）。哈利·波普尔但是，早期实验暴露了传统AI算法的局限：当系统需要统筹数千条临床参数时，可能性组合的指数级增长经常导致诊断的精准度不足，容易出现多重疾病推断或完全无法判定的困境。事情的转机出现在医学生兰道夫·米勒的加入——这位坚定休学加入团队的医学生曾编写过计算机程序，凭借医学-计算机的双重视角，配合迈尔斯的海量医学知识输出，构建出首个原型系统DIALOG（诊断逻辑系统，后因名称版权问题被迫更名为INTERNIST-1），开启了医疗知识系统化整理的先河。区别于同期斯坦福大学DENDRAL和MYCIN系统的技术路线，这个团队选择将重心转向知识储备建设。迈尔斯每日口述经严格筛选的医学知识（仅收录被独立验证两次以上的临床证据），建立标准化诊断数据库的决策，形成了独特的开发模式。这种"重知识、轻算法"的战略虽限制了技术迭代，却意外推动了医学知识的系统整合。其数据库最终发展为持续更新至今的QMR（Quick Medical Reference，快捷医疗参考系统），并在20世纪90年代实现商业化应用。1982年，INTERNIST系统正式发布，随后它的升级版本——CADUCEUS系统可识别千余种疾病，被誉为当时最先进的知识密集型专家系统。专家系统的黄昏与隐伏的血脉与此同时，在1978年，中国肝病中医关幼波联合计算科学家开发的“肝病辨证论治系统”，将中医诊疗逻辑首次编码为人工智能系统，在120例肝炎诊疗中取得与医生本人相当的疗效（总有效率80%）。这类早期系统共同构成AI医疗的专家系统的巅峰。关幼波医生但历史的车轮滚滚向前，不论是美国的MYCIN、INTERNIST系统，还是我国同期研发的中医诊疗程序，如今已逐步退出历史舞台。究其本质，这些系统作为人工智能发展的阶段性产物，其所依赖的符号主义范式已被现代基于机器学习，尤其是深度神经网络的技术架构所取代。计算机辅助诊断系统（Computer-Aided Diagnosis，CAD）作为当时世界范围内少有的规模化应用成果，得益于专业化领域限制带来的技术深度拓展，在深度学习算法横空出世前，该类系统始终保持着医疗垂直领域智能应用的标杆地位。这些早期系统的实践验证了人工智能的应用潜力，为学术界和产业界注入了持续发展的信心。以爱德华·费根鲍姆为代表的人工智能先驱，积极推动相关技术的产业化进程，形成了学术界与投资界的良性互动格局。遗憾的是，上世纪70至90年代，人工智能研究普遍进入停滞状态——科学家期待的开放式智能交互系统未能实现，研发投入与预期产出严重失衡。随着苹果、微软引领的微型计算机革命兴起，专家系统因运营成本过高逐渐边缘化。虽然这些系统的外在形态逐步退出应用场景，但其核心技术遗产已通过软件形态实现转移与演化。在当代各类专业应用程序与医学教育中，我们仍可追溯至MYCIN、INTERNIST等开创性系统的技术基因，只是相关技术载体已不再冠以人工智能之名。回望50年前这批先驱者的探索时，我们既感叹其远见，也惊觉技术迭代的戏剧性：他们用编码规则演绎医学知识的努力，恰似普罗米修斯盗火，虽未直接点亮现代深度学习的火炬，却让人类在算法与生命健康的交叉路口，留下了永不褪色的路标。原标题：《生科×AI｜50年前的AI是怎么影响医学的？》 来源：科学创建美好生活
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!
