【Ref: Senders JT, et al. Neurosurgery . 2018 Aug 1;83(2):181-192. doi: 10.1093/neuros/nyx384.】
人工智能（artificial intelligence，AI）是研究和开发用于模拟、延伸和扩展人类智能的理论、方法、技术和应用系统的一门科学。机器学习（machine learning，ML）是其中的重要分支，主要研究计算机怎样模拟或实现人类的学习行为以获取新的知识或技能，组织已有的知识结构，使之不断改善自身的性能。近年来，机器学习方法已不知不觉遍及日常生活的方方面面，包括垃圾邮件过滤、搜索和网上购物建议以及智能手机语音识别等。人工智能正通过机器学习技术飞速进入医学领域，应用于临床上疾病的诊断和预后预测等。
机器学习方法一般可分为监督学习法、无监督学习法和强化学习法；每种方法都有各自的数学结构。监督学习法指使用已经标记的数据（labelled data）进行训练以预测新的数据类型或数值。无监督学习则是指不需要提前对数据进行标记，直接做聚类（clustering）分析。
在神经外科临床实践中，机器学习通过种种测试，甚至可以对医学专家的学习行为进行模仿。神经外科复杂的诊疗模式也为机器学习的建模提供丰富的数据种类和数量。
为比较机器学习与临床专家在神经外科实际工作中的表现，深入了解机器学习的发展现状及其改善临床决策的潜力，进一步讨论在临床实践中创建和验证机器学习模型时发生的障碍，美国和荷兰科学家对以往研究结果进行系统综述，由美国哈佛大学布莱根妇女医院神经外科的Joeky T. Senders等撰文发表于2018年8月《Neurosurgery》。
研究者在PubMed和Embase数据库中系统地搜索2016年8月前所有比较各类机器学习方法与神经外科临床专家表现的研究文献。提取出版年份、疾病状况、特定应用、机器学习模型使用、输入特性、训练区大小、验证方法、测试设备大小、临床专家专业、临床专家教育水平、标定后的真实数据、统计分析、机器学习与临床专家的表现以及两者表现的统计学差异。
通过检索和筛选纳入23项采用机器学习方法进行诊断、术前计划和结果预测的研究。与临床专家相比，机器学习模型准确度的绝对中位值上升13%，ROC曲线下面积上升0.14。在提供P值的50例结果判定中，29例（58%）机器学习模型的表现显著优于临床专家。18例（36%）机器学习模型的表现与专家无显著差异，3例（6%）临床专家表现显著优于机器学习模型。另外，所有研究都表明，机器模型结合临床专家组明显优于单一临床医师组的表现。
作者总结指出，人工智能在神经外科疾病的诊断、术前计划和预后预测等方面有助于提高临床医师的决策能力。但目前在临床实践中机器学习的应用面临较大障碍。作者认为，将固有观念中人类与机器人对立竞争的关系转变为协同合作关系，是克服阻碍的关键。
（上海交通大学医学院附属瑞金医院Coka编译，复旦大学附属华山医院王知秋教授审校，《神外资讯》主编、复旦大学附属华山医院陈衔城教授终审）
相关链接
