谷歌研究表明人工智慧可以使眼科醫生更有效

隨著人工智慧的不斷發展，診斷疾病的速度越來越快，而且有可能比醫生更準確，一些人提出，技術可能很快就會取代醫生目前執行的任務。但來自谷歌人工智慧研究小組的一項新研究表明，醫生和演算法一起工作比單獨工作更有效。

這項研究擴展了谷歌人工智慧之前的工作，表明其演算法在篩選一種稱為糖尿病視網膜病變的常見糖尿病眼病患者方面的效果與人類專家大致相同。在他們最新的研究中，研究人員想看看他們的演算法是否能做的不僅僅是簡單地診斷疾病。他們想創造一個新的計算機輔助系統來「解釋」演算法的診斷。他們發現，該系統不僅提高了眼科醫生的診斷準確性，而且提高了演算法的準確性。

超過2900萬的美國人患有糖尿病，並有患糖尿病視網膜病變的風險，這是一種潛在的致盲眼病。在疾病早期，人們通常不會注意到視力的變化。但隨著病情的發展，糖尿病視網膜病變通常會導致視力下降，在許多情況下是無法逆轉的。這就是為什麼糖尿病患者每年進行一次篩查如此重要的原因。

不幸的是，篩選的準確性可能有很大差異。一項研究發現，內科醫生、糖尿病學家和住院醫生的錯誤率為49%。人工智慧的最新進展有望提高糖尿病視網膜病變篩查的可及性，並提高其準確性。但人工智慧將如何在醫生辦公室或其他臨床環境中發揮作用還不太清楚。之前嘗試使用計算機輔助診斷的結果表明，一些篩查者過於依賴機器，這導致重複機器的錯誤，或者對機器的依賴不足，忽略了準確的預測。谷歌人工智慧的研究人員認為，如果計算機能夠「解釋」其預測，其中一些陷阱或許可以避免。

為了驗證這一理論，研究人員開發了兩種幫助醫生閱讀演算法預測的工具。

等級:一組五個分數，代表演算法預測的證據強度。grade heatmap:使用heatmap來增強分級系統，它測量圖像中每個像素對演算法預測的貢獻。

10名眼科醫生(4名普通眼科醫生、1名在美國以外接受過培訓的眼科醫生、4名視網膜專家和1名接受過培訓的視網膜專家)被要求在以下三種條件之一下閱讀每幅圖像:獨立閱讀、僅分級閱讀和分級 熱度圖閱讀。

兩種類型的幫助都提高了醫生的診斷準確性。這也提高了他們對診斷的信心。但是改善的程度取決於醫生的專業水平。在沒有輔助的情況下，普通眼科醫生的準確率明顯低於演算法，而視網膜專家的準確率也沒有明顯高於演算法。在輔助下，一般眼科醫生匹配但不超過模型的準確性，而視網膜專家開始超過模型的性能。

研究發現，人工智慧不僅僅可以進行簡單的眼睛自動掃描，它還可以幫助醫生更準確地診斷糖尿病視網膜病變，人工智慧和醫生一起工作比單獨工作更準確。和之前的醫療技術一樣，人工智慧是另一種工具，它將使醫生的知識、技能和判斷對高質量的醫療更加重要。研究結果表明，在對像視網膜基底部這樣的醫學圖像進行分類時，可能存在增強的空間。當臨床醫生和助理醫生的結合表現優於單獨的任何一種時，這就為使用智能工具提升臨床醫生水平提供了理由。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！