机器学习（Machine Learning，ML）是人工智能的核心分支，其核心目标是让计算机通过分析数据，自动发现规律并做出预测或决策，而无需依赖明确的程序指令。
简单来说——
传统编程：人类编写规则 → 计算机执行（例如：“如果体温>38℃，则判定为发烧”）。
机器学习：计算机从海量数据中自动学习规则 → 自主判断（例如：输入10万份患者体温、血常规、症状数据 → 模型自动学习发烧的复杂判断标准）。
看到这里，可能有医生朋友会问了：
为什么我学医，还要研究⌈机器学习⌋这样一门看起来偏理工科的学科？
——因为未来的医学，是“数据+临床”的双重战场
我们知道，医学数据天然具有高维度（如基因组、影像、病史）、非线性（指标间交互作用复杂）和异质性（患者个体差异大）的特点。
过去，医学突破依赖专家经验和临床试验，但面对如今海量临床数据的爆发，传统方法难以处理大量变量和非线性关系；而机器学习就能帮我们有效地分析这些数据，找出其中的潜在关联和规律。掌握机器学习，意味着你能用数据回答临床难题，产出更高影响力的研究成果。
不仅如此，机器学习还能够帮助你实现异质性治疗效应分析，量化“同一疗法对不同患者的疗效差异”，帮助制定个性化诊疗方案。
未来的医疗领跑者，属于既能拿手术刀，也能看懂数据的人！
