AI醫生來了，你能信任它嗎？

人為的誤診率高得嚇人

假設你到醫院看病，醫生問了你一堆問題，你都一一作了如實告知。醫生給你寫好診斷書和處方，打發你走。幾分鐘後，你取了葯離開醫院。可是，當你剛走出醫院大門，腦門一拍，忽然想起還有一件重要的事情忘了告訴醫生。這個時候你還會折回去，讓他重新給你看一遍嗎?估計很多人都會因礙於面子或嫌麻煩而放棄。

根據美國醫學會統計，在美國每10個醫學診斷中就有1個是誤診。在初診中，每20個就存在1個誤診。單在美國，誤診造成的不必要死亡每年就多達8萬人。

這些令人擔憂的數字，源於診斷本身的複雜性，包括從患者那裡得來的信息不夠全面，轉院治療時信息對接不及時，醫生因過度勞累、病人太多而造成的判斷上的偏差等等。這些人為失誤，如果換成機器，就能避免。這就是為什麼許多人希望藉助AI(人工智慧)來實現更準確、更及時、更高效的診斷的原因。

這個夢想並不遙遠。在國外，已經有很多AI診斷APP可用，並可能不久將在國家醫療保健體系中推廣開來。但問題來了：健康是關乎人命的大事，我們能放心地交給機器來處理嗎?

醫療AI值得我們信任嗎?

幾十年來，研究人員一直在增強AI的本領，包括讓它擁有深度學習能力等：通過利用病歷資料庫中的海量數據來訓練它，讓它學習診斷各種疾病，之後你只要按一下鍵，差不多就能獲得比人類醫生更準確的診斷書。

這不是炒作。美國斯坦福大學的科學家用10萬多張皮膚病(從皮膚癌到蚊蟲叮咬)的圖片訓練了一個能深度學習的AI系統，之後用1.4萬張新圖片對它進行測試。測試結果是，它對皮膚上黑色素瘤的診斷正確率，比經驗豐富的皮膚科醫生還高。此外，目前能深度學習的AI，在診斷由糖尿病引起的視網膜病變、眼血管併發症等癥狀上，也比一般的醫生高明。其他的AI工具在從電鏡掃描中識別出癌症，或從一般的健康數據中預測患心臟病的概率等方面，也已經大顯身手。

但是，它們取得的成功是否足夠贏得我們的信任呢?或者可以問一句：它們除了能避免人類醫生那些明顯的低級錯誤之外，到底比人高明在哪裡?

這可不是一個容易回答的問題。因為AI系統在深度學習中會形成自己的一套判斷規則，而這些規則到底是什麼，哪怕是對於開發人員，都是一個「黑箱子」，誰也不知道。這就有理由讓人為此感到不安了。

當然，要是深究起來，這種情況人類醫生也難避免。比如你去看病，老練的醫生憑直覺，憑豐富的經驗，就能下準確的診斷。但你要是問：「您是憑什麼規則下這樣的診斷的?」那他可能也回答不上來。他的「規則」對於外人也是個「黑箱子」，但我們並不會為此而不安。相反，我們會毫不猶豫地按他的吩咐去做。

「他畢竟是人嘛，而我們現在面對的是機器。」你大概會說。但也許只是一個習慣的問題。如果AI「醫生」的診斷正確率非常高，甚至要好於人類醫生，這種不安感或許就會減輕，甚至消失。不妨比照一下自動駕駛汽車的情況。倘若未來自動駕駛汽車真能夠讓事故率極大地下降，那麼即使你不懂得它那套AI是如何工作的，你也能一路放心地睡大覺。遇到危險，起初你可能會尖叫，但尖叫幾次後，發現它都能應付裕如，那麼下次遇到危險，你就不會再尖叫了。

醫療AI可以取代人類醫生嗎?

除了避免人為的失誤，提高診斷的正確率，AI在醫療領域還有著更廣闊的用途。

當前對於醫生來說，「管理」疾病是一件很棘手的事情，比如對於糖尿病、關節炎、高血壓、哮喘等慢性疾病，你得不停跟蹤病人的病情，並為他們找出各個階段的治療辦法。

而AI系統是管理疾病的好幫手，能幫助醫生及時地了解病情進展，併合理安排治療。這不僅極大地降低了國家和個人的醫療費用支出，還可以把醫生從大量的文書工作中解放出來，把時間更多地集中在病人身上，花更多時間去傾聽，投入更多時間去關注醫學領域的最新動態，以保證知識的更新。

醫學AI系統的出現，甚至可能重新定義「訓練一名合格醫生」的含義。未來的醫學教育將包括讓學生學習數據科學，把他們從死記硬背中解放出來，集中到學習如何解決問題、培養批判性思維上。

它還可以讓家庭醫生不出辦公室，就能以專家級的精湛醫術，為患者提供服務——只有萬不得已時，才把病人交給醫院和專家。這意味著，不必把一個病人的治療和護理，輪番交給好多家醫院的醫生來完成。這對於醫生和病人都是一件好事。

當然，在這種情況下，病人的隱私怎麼保護?醫療事故誰來負責?這些問題還亟待立法去解決。

待到醫療AI成熟之後，皮膚科、放射科和病理科等主要涉及重複審查圖像的醫學部門，很多人工可能會被它取代。

那麼，人類醫生會不會最終被醫療AI完全取代呢?

應該說是不會的。AI可以增強臨床醫生的能力，但不可能做人所能做的一切。首先，人們常說，醫生的職責是「有時去治療，常常去幫助，總是去安慰」。醫生對病人的人性化關懷是治療和護理必不可少的一部分，這是不能用機器取代的。其次，當醫療變得複雜的時候，需要人做出決定，AI無論多麼複雜，都不能代替人做決斷。

小貼士

涉及AI的幾個術語

人工智慧(AI)

應用電腦來完成通常需要人類水平的智能才能完成的事情，如推理、決策、解決問題和學習等。

大數據

可以用電腦和演算法(軟體)分析的海量數據，用以揭示其中隱藏的規律、趨勢和各種因素的關聯。

機器學習

一種演算法從新的信息中學習，在沒有被明確編程的情況下，自動修正其處理結果的能力。

神經網路

一種用於深度學習的演算法，它模仿大腦神經元的活動，通過虛擬的腦細胞來過濾數據。

深度學習

這是AI的「黑箱子」。沒有人控制、監督的神經網路通過大量的數據學習、訓練之後，能夠創建它自己的處理數據的規則。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！