57歲的李華亮最近覺得心臟不太舒服，所以他來到深圳羅湖醫(yī)院。與以往不同的是，他不用在服務(wù)大廳舉目無措，思考要掛什么科室；醫(yī)院的AI（人工智能）結(jié)合他的過往病例和病情，建議他先去心內(nèi)科診斷。熟知各類醫(yī)學(xué)知識和病例的AI也已成為心內(nèi)科醫(yī)生最好的助手，為其提供更加周全的診斷方案，甚至還考慮到了李華亮之后準(zhǔn)備種植牙的影響。

這個AI輔助醫(yī)學(xué)的場景，與60年前美國學(xué)者在《新英格蘭醫(yī)學(xué)雜志》上暢想的的醫(yī)療信息化藍(lán)圖，產(chǎn)生了跨越時空的奇妙共振。

1970年：一本醫(yī)學(xué)期刊里的AI預(yù)言

1970年，《新英格蘭醫(yī)學(xué)雜志》刊登了一篇題為《醫(yī)學(xué)與計算機(jī)：變革的承諾與問題》的綜述，沒人想到它將預(yù)言半個世紀(jì)后的智能醫(yī)療革命。

這篇文章的作者，腎內(nèi)科醫(yī)生威廉·施瓦茨（William B. Schwartz）在AI技術(shù)尚未普及的年代宣稱：“計算機(jī)將幫助醫(yī)生記錄病史、推薦診斷思路，并管理臨床決策。”

在這篇塵封于1970年的文章里，施瓦茨不僅精準(zhǔn)勾勒出現(xiàn)代電子病歷系統(tǒng)的輪廓，更預(yù)見到智能診斷將成為醫(yī)者思維的延伸。某種意義上，施瓦茨預(yù)見了現(xiàn)代AI醫(yī)療的雛形：從自動化電子病歷到智能分診系統(tǒng)，AI確實將醫(yī)生從重復(fù)勞動中解放。

但醫(yī)療是對人本身的判斷和交互，AI強(qiáng)大能力背后也會留下技術(shù)狂飆時被遮蔽的隱憂：當(dāng)醫(yī)生從傳統(tǒng)的信息處理者轉(zhuǎn)型為人機(jī)協(xié)同決策者時，醫(yī)療教育體系該如何重構(gòu)？在數(shù)據(jù)成為新生產(chǎn)要素的時代，如何守護(hù)患者隱私的最后一公里？

有太多的潛力亟待發(fā)覺，也有太多風(fēng)險需要被解決。而這份超前的思考，成為了AI醫(yī)療進(jìn)化史的起點注解。

DENDRAL與MYCIN：AI第一次走進(jìn)實驗室

當(dāng)施瓦茨發(fā)表預(yù)言和暢想時，在斯坦福大學(xué)的一個實驗室里，最早的醫(yī)療AI實踐已悄然開展。

20世紀(jì)60-70年代，人工智能研究從通用問題求解轉(zhuǎn)向?qū)I(yè)化領(lǐng)域，開創(chuàng)了“專家系統(tǒng)”的新紀(jì)元。這一變革的核心人物，“專家系統(tǒng)之父”愛德華·費(fèi)根鮑姆（Edward Feigenbaum），先后開創(chuàng)了兩個里程碑項目DENDRAL和MYCIN，為AI技術(shù)落地現(xiàn)實世界奠定了基石。

費(fèi)根鮑姆正在調(diào)試DENDRAL系統(tǒng)

費(fèi)根鮑姆的成長經(jīng)歷充滿傳奇色彩：幼年經(jīng)歷家庭變故的他，在繼父的引導(dǎo)下很早就開始接觸計算設(shè)備，隨后“天才”般地16歲跳級進(jìn)入卡內(nèi)基梅隆大學(xué)。

一次跨學(xué)科的選修課讓他結(jié)識了諾貝爾獎得主赫伯特·西蒙（Herbert Simon）——這位“決策理論之父”帶領(lǐng)他踏入AI領(lǐng)域。此前，西蒙與艾倫·紐厄爾（Allen Newell）開發(fā)了首個通用問題求解程序GPS，這種符號學(xué)派的AI理念深深影響了費(fèi)根鮑姆。

1965年，費(fèi)根鮑姆與諾貝爾遺傳學(xué)家約書亞·萊德伯格（Joshua Lederberg）合作啟動DENDRAL項目。面對化學(xué)領(lǐng)域復(fù)雜分子結(jié)構(gòu)解析的難題，他們創(chuàng)造性地將質(zhì)譜數(shù)據(jù)與原子組合規(guī)則編碼成算法。隨著避孕藥發(fā)明者化學(xué)家卡爾·杰拉西（Carl Djerassi）的加入，對分子結(jié)構(gòu)的理解更上一層樓，DENDRAL系統(tǒng)性能顯著提升，能夠自主推導(dǎo)未知分子式。

雖然DENDRAL主要解決的是火星物質(zhì)檢測這樣一個稍顯冷門的場景，但它更重要的意義在于——標(biāo)志著AI首次在專業(yè)領(lǐng)域達(dá)到人類專家水平，這一成就也進(jìn)一步推動團(tuán)隊轉(zhuǎn)向醫(yī)療應(yīng)用。

DENDRAL系統(tǒng)負(fù)責(zé)人2006年合影（左一布坎南、左三費(fèi)根鮑姆、左四萊德伯格）

在費(fèi)根鮑姆的好友兼學(xué)生的布魯斯·布坎南（Bruce Buchanan）和醫(yī)學(xué)生愛德華·肖特利夫（Edward Shortliffe）的推動下，1972年，感染病診療系統(tǒng)MYCIN誕生。

它通過600余條“如果-那么”規(guī)則（如“若患者腦脊液革蘭氏染色陽性→鏈球菌感染概率增加”），可分析患者血液感染和腦膜炎的情況，并提供抗生素治療方案。在一項腦膜炎感染診斷的測試中，MYCIN真了得準(zhǔn)確率高達(dá)65%——甚至超過了初級醫(yī)師水平。

MYCIN系統(tǒng)在1979年評估的結(jié)果，在實習(xí)醫(yī)生與醫(yī)學(xué)生中排名第一

盡管MYCIN從未進(jìn)入臨床（因缺乏數(shù)字化病歷支持），但它開創(chuàng)了現(xiàn)代臨床決策支持系統(tǒng)（CDSS）的基礎(chǔ)范式：基于規(guī)則的推理，可解釋的診斷邏輯，以及多因素綜合判斷。

INTERNIST-1：當(dāng)人腦知識庫遇上算法

AI與醫(yī)學(xué)的結(jié)合，可謂是多點開花。同一時期，匹茲堡大學(xué)正進(jìn)行著更狂野的嘗試。

時任匹茲堡大學(xué)醫(yī)學(xué)系主任的杰克·邁爾斯（Jack Duane Myers）在醫(yī)學(xué)界享有盛譽(yù)。這位擁有超群記憶力的醫(yī)師，青年時期每周投入20余小時研讀醫(yī)學(xué)文獻(xiàn)，其卓越的臨床推理能力被譽(yù)為內(nèi)科界的"夏洛克·福爾摩斯"。

1973年，55歲的邁爾斯在卸任系主任之際萌生了新想法——開發(fā)醫(yī)學(xué)輔助診斷系統(tǒng)，幫助醫(yī)生完成內(nèi)科診斷。這個想法很快就成為了現(xiàn)實——邁爾斯結(jié)識了師出艾倫·紐厄爾的計算機(jī)專家哈利·波普爾（Harry E. Pople）。

哈利·波普爾

但是，早期實驗暴露了傳統(tǒng)AI算法的局限：當(dāng)系統(tǒng)需要統(tǒng)籌數(shù)千條臨床參數(shù)時，可能性組合的指數(shù)級增長經(jīng)常導(dǎo)致診斷的精準(zhǔn)度不足，容易出現(xiàn)多重疾病推斷或完全無法判定的困境。

事情的轉(zhuǎn)機(jī)出現(xiàn)在醫(yī)學(xué)生蘭道夫·米勒的加入——這位堅定休學(xué)加入團(tuán)隊的醫(yī)學(xué)生曾編寫過計算機(jī)程序，憑借醫(yī)學(xué)-計算機(jī)的雙重視角，配合邁爾斯的海量醫(yī)學(xué)知識輸出，構(gòu)建出首個原型系統(tǒng)DIALOG（診斷邏輯系統(tǒng)，后因名稱版權(quán)問題被迫更名為INTERNIST-1），開啟了醫(yī)療知識系統(tǒng)化整理的先河。

區(qū)別于同期斯坦福大學(xué)DENDRAL和MYCIN系統(tǒng)的技術(shù)路線，這個團(tuán)隊選擇將重心轉(zhuǎn)向知識儲備建設(shè)。邁爾斯每日口述經(jīng)嚴(yán)格篩選的醫(yī)學(xué)知識（僅收錄被獨立驗證兩次以上的臨床證據(jù)），建立標(biāo)準(zhǔn)化診斷數(shù)據(jù)庫的決策，形成了獨特的開發(fā)模式。

這種"重知識、輕算法"的戰(zhàn)略雖限制了技術(shù)迭代，卻意外推動了醫(yī)學(xué)知識的系統(tǒng)整合。其數(shù)據(jù)庫最終發(fā)展為持續(xù)更新至今的QMR（Quick Medical Reference，快捷醫(yī)療參考系統(tǒng)），并在20世紀(jì)90年代實現(xiàn)商業(yè)化應(yīng)用。

1982年，INTERNIST系統(tǒng)正式發(fā)布，隨后它的升級版本——CADUCEUS系統(tǒng)可識別千余種疾病，被譽(yù)為當(dāng)時最先進(jìn)的知識密集型專家系統(tǒng)。

專家系統(tǒng)的黃昏與隱伏的血脈

與此同時，在1978年，中國肝病中醫(yī)關(guān)幼波聯(lián)合計算科學(xué)家開發(fā)的“肝病辨證論治系統(tǒng)”，將中醫(yī)診療邏輯首次編碼為人工智能系統(tǒng)，在120例肝炎診療中取得與醫(yī)生本人相當(dāng)?shù)寞熜В傆行?0%）。這類早期系統(tǒng)共同構(gòu)成AI醫(yī)療的專家系統(tǒng)的巔峰。

關(guān)幼波醫(yī)生

但歷史的車輪滾滾向前，不論是美國的MYCIN、INTERNIST系統(tǒng)，還是我國同期研發(fā)的中醫(yī)診療程序，如今已逐步退出歷史舞臺。究其本質(zhì)，這些系統(tǒng)作為人工智能發(fā)展的階段性產(chǎn)物，其所依賴的符號主義范式已被現(xiàn)代基于機(jī)器學(xué)習(xí)，尤其是深度神經(jīng)網(wǎng)絡(luò)的技術(shù)架構(gòu)所取代。

計算機(jī)輔助診斷系統(tǒng)（Computer-Aided Diagnosis，CAD）作為當(dāng)時世界范圍內(nèi)少有的規(guī)模化應(yīng)用成果，得益于專業(yè)化領(lǐng)域限制帶來的技術(shù)深度拓展，在深度學(xué)習(xí)算法橫空出世前，該類系統(tǒng)始終保持著醫(yī)療垂直領(lǐng)域智能應(yīng)用的標(biāo)桿地位。

這些早期系統(tǒng)的實踐驗證了人工智能的應(yīng)用潛力，為學(xué)術(shù)界和產(chǎn)業(yè)界注入了持續(xù)發(fā)展的信心。以愛德華·費(fèi)根鮑姆為代表的人工智能先驅(qū)，積極推動相關(guān)技術(shù)的產(chǎn)業(yè)化進(jìn)程，形成了學(xué)術(shù)界與投資界的良性互動格局。

遺憾的是，上世紀(jì)70至90年代，人工智能研究普遍進(jìn)入停滯狀態(tài)——科學(xué)家期待的開放式智能交互系統(tǒng)未能實現(xiàn)，研發(fā)投入與預(yù)期產(chǎn)出嚴(yán)重失衡。隨著蘋果、微軟引領(lǐng)的微型計算機(jī)革命興起，專家系統(tǒng)因運(yùn)營成本過高逐漸邊緣化。

雖然這些系統(tǒng)的外在形態(tài)逐步退出應(yīng)用場景，但其核心技術(shù)遺產(chǎn)已通過軟件形態(tài)實現(xiàn)轉(zhuǎn)移與演化。在當(dāng)代各類專業(yè)應(yīng)用程序與醫(yī)學(xué)教育中，我們?nèi)钥勺匪葜罬YCIN、INTERNIST等開創(chuàng)性系統(tǒng)的技術(shù)基因，只是相關(guān)技術(shù)載體已不再冠以人工智能之名。

回望50年前這批先驅(qū)者的探索時，我們既感嘆其遠(yuǎn)見，也驚覺技術(shù)迭代的戲劇性：他們用編碼規(guī)則演繹醫(yī)學(xué)知識的努力，恰似普羅米修斯盜火，雖未直接點亮現(xiàn)代深度學(xué)習(xí)的火炬，卻讓人類在算法與生命健康的交叉路口，留下了永不褪色的路標(biāo)。