序

临床决策支持系统（Clinical Decision Support System，CDSS）被称为医院信息系统“皇冠上的明珠”，过去10年其在医疗机构的应用进展迅速。但是业界专家指出，CDSS数据驱动型模型的可解释性仍有待提升。

自2022年年底ChatGPT引爆人工智能新浪潮以来，通用大模型在医疗领域的应用探讨持续升温。生成式人工智能在医学领域一方面展示出巨大价值和无限潜力，另一方面必须直面“黑盒”、负责任等重大挑战。

本书的立题犹如一道闪电划破夜空，及时剖析了“可解释、可通用的临床决策支持系统”这一不容回避的学术议题。在先睹为快、通读全书后，有几点重要获益。

全书不仅紧跟医学人工智能发展大势——“实现智能的关键是用因果推理取代相关性推理”，紧扣临床思维的主线，深入浅出，重点聚焦医疗人工智能、CDSS发展进程中不容回避的核心挑战——可解释性，还主张“CDSS的可解释性应该建立在诊断学和逻辑型临床思维的基础之上”。这一学术主张的提出，非常及时。

正是从“医学人工智能的可解释性应该符合逻辑型临床思维”这一根本逻辑出发，本书编者提出一种理想的“结构化临床数据库”，并将其划分为“人体结构数据”和“人体功能数据”。

这一划分方式十分新颖和大胆。从医院信息化工作实践的角度出发，如何在数据采集过程中，将相关数据按照这一划分思路进行收集、存储、加工，值得探讨。

医学人工智能、CDSS是医学和工程学知识密集交叉领域。对于从事临床信息化的计算机专业背景工程师而言，最大的挑战就是理解临床思维。

本书从临床工作者的角度，通过翔实的临床诊疗案例，深入浅出地阐释了什么是逻辑型临床思维。对于医疗信息化工程师而言，本书具有既专业又通俗的科普价值。

本书编者提出，“临床推理理论的空白给了统计学家和计算机学家一个展示他们的‘临床诊疗能力’的机会”“诊断是临床医学的一种理性活动，而不是数字统计的计算工作”。

医学是对微观个体和宏观整体兼容并包的科学。计算机技术活跃在医学领域并发挥着日益显著的效用——从非医疗业务到医疗业务。它尤其擅长处理标准化、程序化的作业。在浩如烟海的医学知识、临床实证中找到共性规律，并通过计算机科学加以提炼、重复运用、持续改进，这也正是医学人工智能研究孜孜以求的目标。

医学和计算机学科各自仍在创新发展，二者的交叉融合，需要跨学科协作。这是笔者从事医疗信息化媒体工作整整20年来，第一次有幸拜读由一位中国医生和一位医院信息科专家联合主编的关于医疗信息化、医学人工智能的图书。正是编者们的精心设计，使中西医学、计算机与人工智能知识纵横交织，医工融合的魅力跃然纸上。

HIT专家网总编朱小兵
2023年9月