培訓醫(yī)生需要在大學和醫(yī)院進行多年的艱苦工作。而打造AI醫(yī)生可能就像教授AI如何閱讀一樣簡單。

人工智能朝著成為21世紀醫(yī)學不可或缺的一部分又邁進了一步。一項新研究于2月11日發(fā)表在《自然醫(yī)學快報》上，證明了一種自然語言處理的人工智能，在診斷常見的兒童疾病方面表現(xiàn)優(yōu)于新手兒科醫(yī)生。

這項大規(guī)模研究檢查了廣州婦幼醫(yī)療中心在18個月內(nèi)收集的近60萬名患者的電子健康記錄(EHR)，然后將AI診斷的診斷與具有豐富經(jīng)驗的醫(yī)生的新評估進行了比較。

結(jié)果?平均而言，AI明顯比初級醫(yī)生更準確，幾乎和資深醫(yī)生一樣可靠。這些結(jié)果是最新的例證，表明人工智能即將成為全球范圍內(nèi)的一種主要醫(yī)療保健手段。

不像電腦，更像人

為了超越人類醫(yī)生，人工智能首先必須變得更加人性化。與IBM的Watson一樣，兒科AI利用自然語言處理，本質(zhì)上是在“閱讀”EHR的書書面記錄，就像人類醫(yī)生查看這些記錄一樣。但與人類醫(yī)生的相似之處并不止于此。 AI是一種機器學習分類器(MLC)，能夠?qū)腅HR中學到的信息分類，以提高效率。

與傳統(tǒng)訓練的兒科醫(yī)生一樣，AI將病例分解為主要器官組和感染區(qū)域(上/下呼吸道，胃腸道等)，然后再將其進一步細分。然后它可以發(fā)展各種癥狀和器官組之間的關(guān)聯(lián)，并使用這些關(guān)聯(lián)來改善其診斷。這種分層的方法模仿了人類醫(yī)生使用的演繹推理。

為這項研究開發(fā)的人工智能的另一個關(guān)鍵優(yōu)勢是它所收集的龐大數(shù)據(jù)集:來自567,498名患者的1,362,559次門診訪問，產(chǎn)生了約1.016億個數(shù)據(jù)點，供MLC獲得兒科方面優(yōu)勢。這使得人工智能能夠深入學習，從不同器官組和子類別的55種不同診斷代碼中進行區(qū)分和準確選擇。

在與人類醫(yī)生進行比較時，該研究使用了來自一組無關(guān)兒童的11,926條記錄，給出了MLC和20個人一個公平的比賽場地進行比較。結(jié)果很清楚：雖然資深兒科醫(yī)生團隊的表現(xiàn)優(yōu)于人工智能，但人工智能的表現(xiàn)遠遠超過初級兒科醫(yī)生(有3至15年經(jīng)驗的兒科醫(yī)生)。

幫助，而不是替代

雖然該研究使用競爭分析來衡量人工智能的成功，但結(jié)果應(yīng)被視為對人類醫(yī)生不利的事情。在不久的將來，人工智能在醫(yī)學領(lǐng)域的應(yīng)用將會使這些機器學習程序增強而不是取代人類醫(yī)生。該研究的作者特別指出增強作為其工作的關(guān)鍵短期應(yīng)用。通過攝入形式對入院患者進行分類，使用EHR進行大規(guī)模轉(zhuǎn)移，提供快速“第二意見” - 對于醫(yī)療保健行業(yè)本身而言更好，但不是最好的，這些應(yīng)用程序和醫(yī)療行業(yè)本身一樣千差萬別。

這只是考慮人工智能如何在實施后立即產(chǎn)生積極影響。很容易看出診斷助理的長期使用如何重塑現(xiàn)代醫(yī)療機構(gòu)的工作方式。

看看MLC結(jié)果如何在初級和資深醫(yī)師組之間緊密配合?；旧希t(yī)生花了將近15年的時間才能匹配機器的相應(yīng)能力。在15年的時間里，人工智能診斷助理將是一個寶貴的合作伙伴——既是一種培訓工具，也是一種安全措施。同樣，在經(jīng)驗曲線的另一側(cè)，你可以讓醫(yī)生不斷利用其績效來提高AI的有效性。這顯然是一個建立共生關(guān)系的機會，人類和機器在各自成熟時互相幫助。

離我們更近，但仍然依賴我們

無論最終應(yīng)用如何，未來的AI醫(yī)生都會逐步接近我們。這項最新研究證明，即使在一些最復雜和最重要的決策過程中，人工智能也可以模仿人類演繹推理的結(jié)果。確實，MLC需要人類輸入功能;初始數(shù)據(jù)點和用于評估AI的案例都取決于醫(yī)生編寫的EHR。雖然我們盡一切努力設(shè)計一個測試模式來消除最終診斷的任何跡象，但必然會發(fā)生一些“數(shù)據(jù)泄漏”。

換句話說，當AI使用人工創(chuàng)建的數(shù)據(jù)時，他們會在某種程度上繼承人類的洞察力。然而，在機器成像，聊天機器人，傳感器和其他領(lǐng)域取得的進展都表明，這種對人類投入的依賴更多地取決于我們現(xiàn)在所處的位置，而不是我們在不久的將來可能達到的位置。

數(shù)據(jù)和更多數(shù)據(jù)

不久的將來也可能有一些明顯的贏家和輸家。目前，這些贏家似乎是那些能夠捕獲并應(yīng)用最大數(shù)據(jù)集的機構(gòu)。隨著快速數(shù)字化的社會收集大量數(shù)據(jù)，中國具有明顯的優(yōu)勢。結(jié)合相對寬松的隱私方法，可能會繼續(xù)作為機器學習及其應(yīng)用背后的驅(qū)動力之一。 谷歌/ Alphabet也將進行大規(guī)模的醫(yī)學研究。數(shù)據(jù)是這次AI軍備競賽中的鈾，每個人似乎都在忙著收集更多。

在一個似乎越來越意識到由于這種需求和依賴數(shù)據(jù)而產(chǎn)生的潛在問題的全球社區(qū)中，很高興知道它也會有好處。人工智能醫(yī)療助理背后的技術(shù)看起來越來越成熟，盡管我們?nèi)栽谂ふ掖_切位置，應(yīng)該在何時何地以及如何首先普及的這種技術(shù)。

然而，無論我們在哪里看到下一步努力使AI成為現(xiàn)實醫(yī)療環(huán)境中的標準工具，我們應(yīng)毫不懷疑它將大大改善人類患者的生活。今天，AI醫(yī)生的表現(xiàn)和一位擁有超過10年經(jīng)驗的人類同行一樣。到明年左右，人類的競爭力可能需要兩倍的時間。十年后，所有人類歷史醫(yī)學知識的結(jié)合可能成為一種工具，就像醫(yī)生手中的聽診器一樣常見。

【來源：前瞻網(wǎng)】