人工智能在肿瘤研究和临床中的应用

陈明扬，蔡紫庭，薛 鹏，江 宇，乔友林

(北京协和医学院 群医学及公共卫生学院，北京 100005)

1 AI的起源与基本要素

人工智能(artificial intelligence, AI)是计算机科学领域的一个分支，包括任何利用机器模拟人类智能解决问题或进行决策的技术。AI的历史可追溯到20世纪50年代， 计算机科学家Alan Turing于1950年发表了一篇划时代的论文，预言了计算机模拟人脑执行任务的可能性[1]。在1956年美国达特茅斯学院的一次研讨会上，John McCarthy首次提出“人工智能”这一概念，标志着AI学科的诞生[2]。1956年之后的十几年是AI发展的黄金年代，直至70年代初，AI缺乏有效研究进展，使其遭遇了第一次低谷。此后几十年，随着数据的爆发性增长、算法的不断创新以及计算机性能的稳步提升，AI已在许多领域取得突破性进展，包括肿瘤领域。

AI有3大基本要素： 数据、 算法和算力。数据是AI的基础、AI的“粮食”，基于大数据进行大量训练，总结规律，再应用于新的样本，是AI的基本思路。肿瘤防控中，AI的数据类型包括影像学、病理学、电子健康数据和组学数据，从结构化的一维数据到非结构化的高维数据均有所覆盖[3]。算法是AI的“大脑”，爆发增长的数据对算法提出了更高要求。主流的AI算法主要分为传统机器学习(machine learning，ML)算法和神经网络算法，目前神经网络算法因深度学习(deep learning，DL)的快速发展逐渐成为研究热点。DL是包含大量隐层的神经网络，当传统ML学习能力有限时，DL可通过增加数据量提升学习性能。主要的DL算法有卷积神经网络(convolutional neural network，CNN)、全卷积网络(fully convolutional network，FCN)、循环神经网络(recurrent neural network，RNN)和生成对抗网络(generative adversarial network，GAN)[4]。……