随着信息革命的快速发展，大数据时代的到来，以深度学习为关键技术的人工智能逐渐成为各国研发投入的重点，目前已发展到应用阶段。人工智能定义为计算机具有人类智慧的能力，并能够自我学习，完成需要人类智慧才能完成的任务。人工智能的关键技术是深度学习，模拟人类大脑的神经网络，读娶处理大数据，并找出其中规律，完成特定任务。尽管人工智能在医学领域的应用较晚，但取得的结果使人振奋。

（一）人工智能在医学影像中的应用

医疗影像采集的数字化为人工智能的应用提供便利条件。各医院信息化建设医疗影像存储与传输系统的应用，使人工智能应用成为可能。患者影像资料可以数据化形式从中央数据库直接获取，方便将人工智能整合到放射诊断工作中，已建立的数字成像基础设施能将人工智能无缝嵌入到放射诊断工作流程，由X线、CT、超声等不同成像模式生成的图像数据可在几分钟内分析和传输，深度学习可自动精确定位病灶责任区。

上海交通大学用开发的人工智能系统对1mm和5mm层厚的CT图像进行集合训练，自动学习肺癌结节的特征及分类，500例读片的准确率分别为95.2%和95.6%，人工智能读片和5位医师读片的诊断结果无显著差异。人工智能对早期肺癌的胸部CT图像具有高特异性和敏感性，可辅助医师对小肺癌结节进行早期诊断。

（二）人工智能在病理诊断与疾病进展中的应用

人工智能在病理诊断的应用中也取得不错的效果。Yala等开发出一种机器学习模型，从乳房病理学报告提取相关的肿瘤特征，并创建大型数据库。系统经过培训，可提取20个不同类别的病理信息，测试该系统的准确性，结果表明，人工智能诊断病理切片准确率为90%。

此外，该学者创建了一个91505份乳房病理报告数据库，信息可被开放提取，允许医师轻松识别具有病理特征的患者。该学者认为，他们的模型不需要分析大量医疗数据，因而能极大程度降低成本，减少提取信息所需时间。有学者使用人工智能预测膀胱癌肌肉浸润的风险，结果表明，虽然非浸润性膀胱癌复发率很高，但大多数肿瘤是散发的且可通过内窥镜治疗，而对肌肉浸润性膀胱癌效果较好的治疗方案不良反应较大。

（三）人工智能在乳腺癌治疗中应用

乳腺癌早期诊断和治疗对患者的预后极为重要。人工智能通过评估和诊断乳腺癌细胞标志物，能做出更适合患者的治疗决定。计算机化图像分析乳腺组织数字化病理大数据有助于更快、更精确诊断疾病，人工智能的突破预示在不久的将来改变乳腺癌的检测和治疗。乳腺癌是否转移影响治疗方案的选择，乳腺癌淋巴结肿瘤细胞的鉴定较为困难，容易出错，特别是微小转移。

有学者开发了用于检测乳腺癌淋巴结转移的人工智能程序，通过深度学习识别和勾勒出疑似肿瘤区域，结果显示，人工智能判断病理区域的准确度超过临床医师，且人工智能显著提高微转移检测的灵敏度，缩短对微转移和影像的平均审查时间。有研究报道，利用人工智能系统检测乳腺癌的淋巴结转移的结果优于医师的检测结果，并基于该系统构建了人工智能病理检测的工作流程和工作框架，为人工智能在病理诊断中应用奠定基矗

（四）人工智能对肿瘤学治疗方案的选择

新的人工智能智能平台将来有希望帮助癌症患者做出治疗决策。IBM公司开发了一款肿瘤治疗人工智能的决策系统，利用该系统提取和评估大量肿瘤患者医疗数据，利用机器学习提出癌症治疗方案。人工智能建议的标准治疗方案与肿瘤专家组的建议一致率高达90%，但人工智能和肿瘤专家的推荐治疗方案的一致性也取决于肿瘤类型，约80%非转移性乳腺癌患者的推荐治疗方案一致，而转移瘤患者45%一致，三重阴性乳腺癌患者68%一致，HEＲ2阴性乳腺癌患者35%一致。

复杂的癌症导致推荐治疗的差异较大。该研究也表明，肿瘤专家获取信息分析数据并提出建议平均需要20min，熟悉患者临床资料后，平均时间减少到约12min，而人工智能仅用40s即可获取信息，分析数据并提出建议。这项研究认为，人工智能不仅为乳腺癌患者提供治疗建议，也为肺癌患者、结肠、直肠癌提供治疗建议。然而，该研究也表明，虽然人工智能向个性化治疗迈出有益一步，但它只能补充而不能取代医师的工作。因为在处理临床资料时，患者的经济情况等诸多因素需要医师来考虑。

（五）人工智能对肿瘤患者资料的综合分析预测

多学科之间影像资料的相互参考，分析多个科室来源的大数据更加有助于人工智能进行癌症预测和治疗。生存结果的预测对癌症患者非常重要，可以帮助患者规划治疗及生活。癌症的组织学和影像学诊断提示原发性肿瘤的入侵规模、程度、淋巴结转移情况，进而预判肿瘤的恶性成度，是确定治疗方案的基本依据。基因组标记、基因表达也可用于预测癌症患者的预后。癌症的个性化治疗能够达到较好的治疗效果，人工智能根据影像诊断能够决定肿瘤外科手术精准切除。

有学者使用深度复杂神经网络根据胶质瘤的影像学图像进行胶质瘤分级，准确率较高。有学者利用数字化病理学图像和基因组标记物预测脑肿瘤患者的生存状况，对人工智能预测弥漫性胶质瘤整体生存情况、组织学分级和基因组分类的能力进行测试，表明人工智能可提高胶质瘤分级的准确性。根据患者的情况采取合适的治疗方案。有研究报道，使用人工智能技术进行胶质瘤等级鉴定，准确率超过90%。