人工智能會讓所有人看得起病，還是讓大部分人看不起？

“AI將當作為你的大夫”“將來的大夫可能不再是人類”“AI在臨床測試中打敗了人類大夫”。你如果看了這些題目就誤覺得人工智能不久將會代替大夫，也是情有可原的。但專家說，二者合作的可能性更大。病人們很快就會發現，他們的命運將由人類大夫和其AI助手配合把握。

醫學界對人工智能并不乏樂不雅之見，但也有很多人持謹嚴立場。很多以人工智能為題的炒作，都尚未在臨床應用中實現。關于人工智能將若何發生最龐大的影響，人們各持己見。沒人知道，人工智能是否可以改善病人的糊口程度，抑或只是當作為硅谷公司、醫療機構和保險公司提高利潤的手段。

哈佛醫學院生物醫學信息學研究員艾薩克?科恩（Isaac Kohane）暗示：“其實患者們都但愿人工智能可以改善醫療系統，但我們得避免硅谷那樣炒作式的應用”。

_{—studio infografika}

若按照估計趨向成長，人工智能是可以擴大醫療辦事的普及規模、降低當作本，從而實現醫療平易近本家兒化的，這對美國來說是一個福音。盡管美國人每年人均醫療保健的破費為10739美元，但在很多醫療辦法上，美國的排名并不樂不雅。人工智能可以讓大夫從過重的工作承擔中解放出來，從而降低醫療變亂風險。在美國，每年有當作千上萬的人死于醫療變亂。在中國的城市，病院人滿為患，天天有近萬病人涌標的目的門診部。對于這些醫療人員匱乏的國度而言，人工智能即使沒有完美的精度，也有很大的操縱價值。

但攻訐人士指出，若過早應用人工智能，而不周全考慮病人的隱私、輕忽所存在的成見和限制，或者高質量、普及化的醫療辦事未能實現，那么所有這些夸姣的幻想都終將是泡沫。

賈安特·科馬內尼（Jayanth Komarneni）說：“科技可以縮小差別，也可以擴大差別。而在加劇差別上，沒什么能和人工智能媲美。”他是人類診斷項目（Human Diagnosis Project, Human Dx）的創始人兼本家兒席。Human Dx是一家專注于醫療專業常識眾包的公益公司。

機械進修和深度進修是時下兩大熱點的人工智能手藝。這兩種算法能經由過程進修數據集更新展望，而不必古板地按照語句執行程序。尤其是深度進修，這種算法可以發現人類可能輕忽的數據模子，做出驚人的展望。

可是在醫療范疇，僅憑人工智能做展望是不敷的，最主要的健康決議計劃和資金方案仍是要由人來拍案。因為人工智能系統缺乏人類的一般智力，它們可能會做出偏離現實、莫名其妙的展望。大夫如果完全依靠這些計較成果，很可能會弄巧當作拙。

最經典的例子莫過于微軟研究院高級研究員里奇·卡魯阿納（Rich Caruana）做的一項研究，該項目于2018年頒發在《工程與手藝》（Engineering and Technology）上。在20宿世紀90年月，卡魯阿納曾介入一個項目，他們想經由過程早期的機械進修評估病人患肺炎風險的凹凸。但當他們試圖用進修模子評估哮喘病人的病例時，問題呈現了。因為哮喘患者存在呼吸堅苦的環境，他們罹患肺炎的風險很高，但模子卻將這些病人歸到低風險類，認為不消對他們進行過多干涉干與，更不消住院治療——這是人類大夫絕對不會做出的決議。

肯尼斯·榮格（Kenneth Jung）是斯坦福大學生物醫學信息學研究中間的研究科學家，他說，若是盲目相信模子成果，很輕易出問題，因為模子會說：“哎呀，這個患了哮喘的孩子得了肺炎，不外沒事，我們只用給他們一些抗生素，讓他們回家就好了。”

深度進修的展望也有可能掉敗，好比初度處置特別的數據點（好比怪異的病例），或者一些特別的數據模子并不合用于其他病例。

_{—studio infografika}

數據集越大，人工智能展望表示得越好。中國有著大量的生齒和病人數據，這是是練習人工智能系統的優勢。2019年2月，《天然醫學》（Nature Medicine）頒發了一項研究。這項研究由來自圣地亞哥和廣州的研究人員合作進行，該研究基于56.7萬名兒童的電子健康檔案，有望實現操縱人工智能診斷常見的兒童疾病。

但當研究人員試圖將算法應用到新的生齒情況時，仍是出了問題。在《天然醫學》頒發的那項研究中，所有50萬名患者均來自廣州的統一個醫療中間，而從這個數據集中練習獲得的診斷模子，紛歧心猿意馬合用于其他處所的兒科病例。每一個醫療中間偏重的病人類型都紛歧樣。好比說，一家以心血管中間著名的病院，天然會吸引更多的心臟病患者。廣州的病院中國當地病人比力多；而上海的病院可能會有更多的外國病人，是以廣州病院的經驗也不合用于上海。

_{—Brian Russell}

在2017年的TEDx演講中，來自約翰霍普金斯病院的新吉尼·昆都（Shinjini Kundu）提到，在收集醫學圖像信息方面，人工智能比大夫具有更大的潛能。在病人表示出病癥以前，人工智能就可以或許展望疾病。

無獨有偶。馬爾齊耶·加塞米（Marzyeh Ghassemi）是來自多倫多大學的計較機科學家和生物醫學工程師，據她所說，貝斯以色列女執事醫療中間的重癥監護室有4萬名病人，而那只是這個城市的冰山一角。“沒錯，我看過的論文都用這些數據做過展望。但這些模子能用在波士頓的其他病院嗎？可能吧。其他州呢？其他國度呢？我們不知道。”

不外盡管人工智能模子在這方面的泛化性不強，加塞米仍認為這項手藝值得摸索。“我很是贊當作把這些模子應用光臨床上，但在此之前，必需做好積極的防御辦法。”

I.格倫·科恩（I. Glenn Cohen）是哈佛大學法學傳授，也是精準醫療、人工智能和法令項目標負責人。他說，這些防御辦法要擺設在AI開辟及應用階段。這或許涉及到對人工智能展望的精確性和透明度的證實。在數據采集的過程中，研究人員必需庇護病人隱私。病人贊成后，才能用患者的數據來練習模子。

科恩說，當真的要將模子展望成果在病人身長進行臨床測試時，還會再一次碰到近似的問題。“該不應告訴病人你要把算法成果用在他們身上呢？測試過程是否完全順從人工智能，仍是僅把其成果作為參考呢？對這些問題的考慮都還不敷充實。”

加塞米也倡導，面臨分歧種族、性別、年數、以及醫保環境的人，要經常審核算法以確保其公道性和精確性。這很主要，因為其他范疇的應用已經表白，人工智能很輕易引起成見。

_{—Andrea Lagunas}

接下來是法令問題：供給AI辦事的公司和小我都必需為某些不成避免的錯誤承擔責任。大大都醫療設備只需顛末一個監管部分的核準，但人工智能設備無論何時進修新數據，都需要顛末額外的審核。

一些監管部分正在從頭衡量智能醫療系統的評價模式。2019年4月，FDA（美國食物和藥物辦理局）發布了一份會商文件，就若何改善相關審查評估收羅公共的觀點。“我們一向強調不忘初心，那就是為人們供給手藝撐持，但我們也意識到現行的方式并不是出格好。”巴庫爾·帕特爾（Bakul Patel）如是說，他是FDA數字健康部分的負責人。“這就是為什么我們需要從宏不雅上把握手藝的整個生命周期。”

在評估、隱私和監管問題之外，還有一個不甚了然的問題，那就是智能醫療的最大受益者是誰。據宿世界銀行和宿世界衛生組織統計，全球有一半的人無法獲得根基的醫療辦事保障，近1億生齒因無法承受醫療保健的昂揚費用而陷入極端貧苦。由此發生了這南北極分化：人工智能要么可以縮小這些差距，要么就會使環境變得更糟。這完全取決于人工智能將若何成長下去。

來自瑞士聯邦理工學院的生物倫理學家埃菲·瓦耶納（Effy Vayena）說：“很多關于人工智能的會商都集中在醫療平易近本家兒化，我也但愿這能實現。但若是最終，只有那些無論若何都承擔得起昂揚醫療費的人能享受到更好的醫療辦事，那么這可能并不是我們所等候的轉變。”

這一切將若何成長，取決于人工智能應用的分歧愿景。早期的成長比力狹隘地集中在診斷應用上，好比經由過程圖像處置以更切確地確診皮膚癌或指甲真菌，或是讀取胸部X光片。但比來，人們起頭更多地測驗考試同時對多種健康問題進行快速診斷。

2018年8月，英國莫爾菲爾德眼科病院以及DeepMind（谷歌母公司Alphabet旗下、位于倫敦的人工智能嘗試室）暗示，他們當作功練習了一套人工智能系統，該系統可以經由過程掃描，識別50多種眼部疾病。這能與行業最領先的專家相媲美。圣地亞哥和廣州的研究組也懷著同樣的大志壯志，練習人工智能診斷通俗兒童疾病。固然后者沒有經驗豐碩的大夫那么超卓，但仍然優勝于一些新手。

_{—Tomek Tuz}

醫療平易近本家兒化的實現，不在于讓人工智能跨越人類專家的佼佼者，而在于讓更多人享受到現有的醫療程度。但今朝為止，很多人工智能方案仍著眼于提高現有的醫療保健手藝，而不是推廣平價的醫療辦事。科恩說：“讓當下的醫療辦事惠及更多的人，比提高醫療手藝更有意義。”

埃森哲（Accenture）咨詢公司展望，到2026年，最頂尖的人工智能應用將為美國經濟每年節流1500億美元。但病人和由稅出入撐的醫療系統可否從中獲益，卻不得而知。很有可能，這些收益只會進到手藝公司、醫療保健供給商和保險公司的腰包里。

科恩說：“誰把握本家兒動權，誰來買單，這才是最值得思慮的問題。人們擬定貿易打算時輕易發生幻覺，自覺得清晰若何實現方針。”

科恩警告說，即便人工智能系統給出了當作本節流方案，但若是大夫和醫療保健機構會是以賠本，他們可紛歧心猿意馬會采納。這其實反映出更大的問題，涉及美國健康保險公司的運作體例。這些公司是按辦事收費的，而這種模式往往會鼓動勉勵大夫和病院增添不需要的檢測和醫療流程。

或許還有一種應用人工智能的方式，既包管大夫的本家兒導權，又能晉升診斷效率。在2019年出書的《深度醫學》（Deep Medicine）中，斯克里普斯研究轉化研究所所長兼創始人埃里克·托波爾（Eric Topol）提出，可以設計一個超等醫療Siri，記實大夫和病人之間的互動。這些記實會備份在患者的電子健康檔案中，提醒大夫扣問病人的相關病史。

托波爾說：“我們但愿讓大夫卸下數據記實員這個承擔，把更多的精神花在病人身上。有了人工智能來清算數據，大夫就不需要費太大的氣力審查數據。”

科恩說，這種“有著永遠記憶的醫療助理”，或者說“抄寫員”，要能主動跟蹤和轉錄大夫與病人的多種聲音。他很賞識托波爾德設法，但他也提到，今朝大大都在研的人工智能應用，似乎都和醫療助理關系不大。不外Saykara和DeepScribe等公司也照這個思緒開辟了一些辦事，甚至谷歌也和斯坦福大學合作，測試近似的“數字抄寫員”手藝。