（文章來源：獵云網(wǎng)）

諸如“AI醫(yī)生”、“AI診斷”以及“人工智能將最終成為人類的醫(yī)生”之類的頭條新聞或多或少使人們相信，人工智能不久后將真正取代人類醫(yī)生，但專家表示，事實上AI與人類醫(yī)生將形成一種合作關(guān)系，并非完全取代：患者很快就會發(fā)現(xiàn)，臨床醫(yī)生將與人工智能攜手，共同為他們提供服務(wù)。

在醫(yī)學界，人工智能的前景毫不悲觀。但許多人表示，針對AI的炒作尚未在真實的臨床環(huán)境中得以實現(xiàn)。對于人工智能服務(wù)將如何產(chǎn)生巨大影響，各界人士的看法褒貶不一。目前，尚不清楚人工智能能否改善患者的生活，對于硅谷企業(yè)、醫(yī)療保健組織和保險公司等期望達到的最低目標也不得而知。

Human Diagnosis Project（Human Dx）的創(chuàng)始人兼主席Jayanth Komarneni表示：“AI就像技術(shù)一樣，既可以填補差異，也可能會加劇差異，而在加劇差異的能力方面，沒有任何事物能與AI媲美?！盚uman Dx是一家專注于眾包專業(yè)醫(yī)療的公益機構(gòu)。

當前，最熱門的AI技術(shù)是機器學習和深度學習。與嚴格遵循人類編寫規(guī)則的計算機程序不同，機器學習和深度學習算法都可以通過查看數(shù)據(jù)集進行學習，并做出新預(yù)測。最值得一提的是深度學習，這一技術(shù)還可以通過發(fā)現(xiàn)人們潛在錯漏的數(shù)據(jù)模式來做出有價值的預(yù)測。

但是，僅僅依靠AI，還不足以充分發(fā)揮這些預(yù)測在醫(yī)療保健方面的作用。然而，人類仍然必須做出可能對健康和資金產(chǎn)生巨大影響甚至后果的決策。由于AI系統(tǒng)缺乏人類的一般智力，系統(tǒng)的預(yù)測或許模棱兩可、令人困惑。如果醫(yī)生和醫(yī)院毫不保留地相信AI，可能會釀成大禍。深度學習預(yù)測在首次遇到異常的數(shù)據(jù)點（例如特殊的醫(yī)療病例），或者在學習無法良好普遍適用的特定數(shù)據(jù)集中時，也會出現(xiàn)謬誤。

在應(yīng)用于海量數(shù)據(jù)集時，AI預(yù)測的表現(xiàn)最佳。例如，由于可以訪問大量人群和患者數(shù)據(jù)，中國在訓練AI系統(tǒng)方面具有優(yōu)勢。2月，《Nature Medicine》雜志發(fā)表了一項由中國廣州和圣地亞哥研究人員展開的研究。該研究基于超過56.7萬名兒童的電子健康記錄，可以診斷出許多常見的兒童疾病。

在其他情況下，這種預(yù)測仍然很難實現(xiàn)。例如，多倫多大學計算機科學家和生物醫(yī)學工程師Marzyeh Ghassemi表示：“在一家城市醫(yī)院，例如貝以迪醫(yī)院，有4萬名ICU患者。我們可以根據(jù)所有的患者資料做出預(yù)測。這些預(yù)測結(jié)果也許適用于波士頓的另一家醫(yī)院。但對另一個州或者另一個國家的醫(yī)院是否適用呢？我們無法給出肯定的答案?！?/p>

雖然AI模型可能并不通用，但Ghassemi認為該技術(shù)仍值得探索。“我非常贊成將這些模型從實驗室?guī)蚺R床，但是必須采取非常積極的預(yù)防措施。”Ghassemi還提議AI算法需經(jīng)常審核，從而確保不同種族、性別、年齡和健康保險的公平性和準確性。由于AI在其他領(lǐng)域的應(yīng)用已經(jīng)證明了它的誤差率，因此這一點將非常重要。

在確保完成上述所有步驟之后，提供AI服務(wù)的人員和公司將解決某些不可避免的法律問題。與多數(shù)通常只需一個監(jiān)管機構(gòu)批準的醫(yī)療設(shè)備不同，AI服務(wù)或許每進行一次新數(shù)據(jù)學習，都要進行額外的審核。

一些監(jiān)管機構(gòu)也正在重新考慮評估AI醫(yī)療保健的方式。4月，美國食品和藥物管理局（FDA）向公眾發(fā)布了一份文件，征求關(guān)于如何更新相關(guān)監(jiān)管審查的公眾反饋意見?！耙恢币詠?，我們不懈努力的目標是讓技術(shù)惠及群眾，但我們也意識到目前的方法效果欠佳，”FDA數(shù)字健康總監(jiān)Bakul Patel表示?！斑@就是我們需要縱觀整個產(chǎn)品生命周期整體方法的原因。”

除了關(guān)于授權(quán)、隱私和法規(guī)的問題，誰將最大程度地從AI醫(yī)療服務(wù)中受益仍不可知。醫(yī)療保健的差異也已經(jīng)存在：根據(jù)世界銀行和世界衛(wèi)生組織的統(tǒng)計，全球一半的人口無法獲得基本醫(yī)療服務(wù)，近1億人口因醫(yī)療費用而陷入極度貧困。依靠AI的部署方式，這些不平等或許可以得到改善，也可能使情況更糟。

這一切將如何發(fā)展取決于部署AI的不同愿景。早期AI開發(fā)的切入點是非常小的醫(yī)療診斷應(yīng)用，例如檢查皮膚癌或指甲真菌的圖像或讀取胸部X光片。但近期的研究的重點已經(jīng)轉(zhuǎn)向更快速地診斷多種健康疾病。