生物医学领域的技术创新直接促进了生活质量的提高和健康寿命的延长。从历史上看，药物研发、外科技术、对生物通路的理解、成像技术以及其他领域的进步推动了这一进程。如今，随着（AI）的最新进展，生物医学领域即将迎来一个新的发展阶段。从技术角度来看，现代人工智能的进步得益于几个关键架构创新，包括 Transformer 架构、生成对抗网络和 diffusion 模型，这些共同推动了越来越复杂的
大语言模型（LLM）、多模态人工智能、医疗实践的变革以及多尺度医疗预测具有变革性的潜力。这篇综述旨在总结过去三年中这些看似呈指数级增长的进展，探讨这些新技术的背景、实施情况、影响以及一些持续存在的挑战。
人工智能（AI）的迅猛发展，尤其是大语言模型（LLM）和多模态人工智能，正通过改进诊断、患者互动和医疗预测来改变医学领域。
大语言模型能够实现对话式界面，简化医疗报告，并协助临床医生进行决PG电子通信策。多模态人工智能整合了图像和基因数据等多样化的数据，在病理学和医疗筛查方面表现出色。AI 驱动的工具通过持续监测和多尺度预测，有望实现主动、个性化的医疗保健。然而，要实现广泛的临床应用，必须解决诸如偏见、隐私、监管障碍以及与医疗系统的整合等挑战。
医疗实践的变革：AI 赋能的医疗实践将临床护理从偶发性互动转变为持续监测和定期随访。医疗事件不再是在病情更严重时才在医院进行被动处理，而是可以在熟悉的环境中更早地得到持续关注。新的医学知识能够更轻松地融入护理模式，同时借助新的 AI 技术开发出新药物。
多尺度医疗预测：AI 算法可用于医疗预测，基于各种动态输入来预测未来的医疗事件。这些算法可应用于多个层面，从分子层面到群体层面。
医疗 AI 实施路线图：基础科学研究逐渐催生出概念验证模型。更大规模的模型和早期临床应用能够为最终的临床部署和优化打开大门。
在过去的几年里，AI 在医疗健康领域的应用取得了重大进展。医学的未来将包含能够处理各种规模海量信息的工具，这有可能显著提高诊断的准确性并改善患者的治疗结果。诸如高级筛查、创新成像技术、医疗预测中的预测分析以及个性化管理计划等 AI 的进步，有望将患者护理从以医院为基础的被动模式转变为以健康优化为主导的主动系统，并实现精准干预。
尽管有这些前景，但 AI 工具在临床的全面接受和常规合法使用仍不会很快实现。在 AI 被广泛应用于临床实践之前，仍存在一些严峻的挑战需要解决。大多数 AI 工具仍处于开发阶段。虽然有些在受控环境中显示出临床益处，但很少有 AI 工具能明确地宣称对所有用户都有益处。同样，也很少有 AI 工具能明确地宣称在所有情况下都能降低成本，也很少有 AI 工具能明确地宣称在当前医疗系统中有明确的实施路径。临床应用仍是医疗专业人员更广泛使用 AI 工具的主要障碍。
