據華爾街日報報道，一科學家團隊近日稱其人工智能程序通過胸部X光片診斷肺炎的準確度超過人類放射科醫(yī)師。放射科醫(yī)師應當為此感到擔憂嗎？也許不必。AI更有可能讓他們的工作變得更加輕松，而不是讓他們變得多余。

本月早些時候，斯坦福大學的一個計算機科學家團隊宣布，他們的人工智能程序通過胸部X光片診斷肺炎的準確度超過人類放射科醫(yī)師。

“放射科醫(yī)師應該為自己的飯碗憂心嗎？”其中的一位科學家吳恩達（Andrew Ng）發(fā)布推文稱。

也許他們不必感到擔憂。事實上，他們應該松一口氣才是：AI更有可能會讓他們的工作變得更加輕松，而不是讓他們變得多余。

現(xiàn)在的放射科醫(yī)師面臨著與多數專業(yè)人士一樣的二十一世紀問題：數據太多。最新的AI迭代技術機器學習能夠仔細篩查那些數據，以及發(fā)現(xiàn)人類可能看不到的模式。但機器并不懂得如何處理那些信息——至少目前還做不到。只有人類能夠完成這一步的工作。

近幾十年來，醫(yī)學圖像數量猛然增加，說明醫(yī)生工作負荷不斷增加，掃描種類更多，每種身體檢查產生的圖像也有增無減。以往只能捕捉一個身體維度的CT掃描，如今能夠捕捉三個維度，因而會產生數百乃至數千張高度精細的圖像。

IBM旗下的沃森醫(yī)療影像部門全球戰(zhàn)略副總裁史蒂夫·托勒（Steve Tolle）估計，美國每年進行的放射科檢查數量達到8億次左右，共計產生大約600億張圖像，或者說每個放射科醫(yī)師每兩秒鐘就產生一張。“而我們的期望是他們每次都能診斷正確。”他說道。

他指出，所有那些數據帶來的巨大負擔，解釋了為什么英國部分醫(yī)學圖像生成以后幾個星期都還沒有被查看，為什么很多的放射科醫(yī)師覺得身心俱疲，為什么醫(yī)院缺少放射科醫(yī)師，盡管該崗位薪水很高。

IBM認為AI能夠緩解那些負擔。它是眾多針對醫(yī)學成像開發(fā)AI應用的公司中的一家。

IBM的科學家團隊給計算機注入數千張已經過人工診斷是否存在腫瘤或其它癥狀的醫(yī)學圖像。計算機會生成模型來分析新的圖像，并嘗試判斷是否存在腫瘤。

在一項實驗中，IBM沃森根據皮膚損傷圖像診斷黑素瘤的準確率達到76%，超過8位皮膚科醫(yī)生71%的平均準確率。該公司希望，有朝一日，醫(yī)生或者護士將能夠拍下皮膚損傷圖像，將它上傳到一個AI應用程序，然后它就能告訴你患癌癥的概率。

由于AI是通過人類鑒別出的模式來學習，它無法知道得比人類多，但它能夠更加穩(wěn)定地運作，在應用那些知識的時候會較少帶有偏見。

來自Anne Arundel醫(yī)療中心的約翰·帕克（John Park）正在與IBM沃森展開合作。他指出，放射科醫(yī)師趨向于尋求發(fā)現(xiàn)他們最近看過的東西，相比之下，AI一旦看過某樣東西，就絕不會忘記，會將相關的知識應用在每一次的圖像診斷上。這在極度缺乏訓練有素的放射科醫(yī)師的貧困國家可能會特別有價值。

不過，AI只能夠根據圖像顯示的東西得出概率，而不是得出確定性的信息。Sentara Healthcare醫(yī)療保健機構的杰米·穆里羅（Jaime Murillo）表示，它“可能會給我指出我可能沒有看到的東西，但接著我得確定它的解讀是否準確。”

這正是制約AI在各種領域的應用的地方。跟放射科一樣，F(xiàn)acebook也備受信息過量的問題困擾。Facebook希望，有朝一日AI將能夠為它的平臺篩查爭議性的內容。

不過，排查爭議性內容的工作，需要Facebook用戶向“社區(qū)運營”團隊舉報，然后由后者決定是否應該將其刪除。在那以后，AI會留意類似的內容，防止它被分享傳播。Facebook目前聘請了數千人來進行審查內容。

多倫多大學專門研究AI的經濟學家艾維·古德法布（Avi Goldfarb）指出，“在很多的日常AI應用中，機器會預測及整理最相關的選項，但最后還是由人類作出實際的選擇。”他談到BenchSci和Atomwise，這兩個AI應用會根據其對科學文獻的分析以及抗體和分子的大型數據庫，向科學家推薦潛在的研究途徑。

美國放射學會首席數據科學官凱斯·德雷爾（Keith Dreyer）稱，算法能夠被訓練來尋找特定的狀況，但“大多時候你連自己要尋找什么都不知道。”

“病人咳嗽，原因可能有上千種。”他說道。胸部X光片上的“白云”可能是肺炎，也有可能是肝癌。

最大限度地提升準確率，需要算法分別就每一種癥狀和疾病接受訓練。這可是一個需要耗費巨大的人力物力的過程。德雷爾指出，接著，美國食品和藥物管理局必須要批準系統(tǒng)和醫(yī)生將算法整合到他們的實務當中。

目前已經出現(xiàn)一些針對醫(yī)學成像的商業(yè)化AI應用，但IBM沃森還沒有推出該類應用。該公司的發(fā)言人表示，針對乳癌和皮膚癌的擬議應用的推出時間，要看監(jiān)管部門什么時候通過審查。

人們對于AI搶奪飯碗的恐慌，不免讓人聯(lián)想起近20年前各類工作的離岸外包擔憂。一些經濟學家曾預言，國際寬帶連接意味著很多的醫(yī)學圖像解讀工作將會被外包給印度薪水低得多的放射科醫(yī)師。實際上，這從未發(fā)生過。

美國監(jiān)管機構并不希望讓不受其管制的醫(yī)生查閱美國病患的醫(yī)學圖像，而且新興市場很少人擁有所需要的技能和經驗。自1995年以來，美國放射科醫(yī)師的數量增長了40%多。