datasheet

为什么人工智能还不能取代医生?这里有 5 个理由

2018-01-04来源: 丁香园(微信号 dingxiangwang) 关键字:人工智能  医生  诊疗服务

人工智能(Artificial Intelligence,AI)是人类开发出的,具有与人类似的智能的机器,也是互联网热点在近年来和医疗走得最近的一次。

有人担心,太过「聪明」的机器会让大量从事重复劳动的人「下岗」,比如目前在开发的影像或病理诊断 AI——这些开发者常常会用一些「比赛」来告诉大家,机器诊断的准确率比经验丰富的医生还高。

没必要太过担心,这儿有 5 个理由。

1、AI 无法判断适合用于诊断的样本

不管文献报道中 AI 诊断的准确率如何之高,也不管是乳腺癌、糖尿病还是皮肤癌,我们都不要忘记,AI 的学习过程中使用的训练样本(training set)和测试样本(test set)都是由专家提供的 [1-3]。

尤其是用于写文献和发表成果的 test set ——它们已经事先经过人类医学专家的审核,认为是适合用于目标领域疾病诊断的数据。但临床病例要复杂的多。如果没有事先确认,目前的 AI 自己根本不知道哪些切片应该用来进行乳腺癌淋巴结转移诊断。

由于疾病诊断 AI 目前没有公开使用的测试产品,不过,我们还有一个好玩儿的例子。

AppStore 有一款炙手可热的花卉识别 App,采用了非常前沿的深度学习,真可谓是 AI 在日常生活中的小试牛刀,果断下载体验了一把。

为了测试 AI 的智商,我很腹黑地上传了两张跟花卉没有关系的照片,一张是用粘土捏的圣诞花环,另一张是一个日本买的手办娃娃。


AI 非常自信地给出了判断,分别是蟹爪兰和蝴蝶兰!

你是不是觉得很好笑?

这个程序可能对花卉的图像识别效果很好,但是你发给她一张粘土照片或者手办照片,她依然会给出一个花卉的结果。

选择合适的数据是正确诊断的第一步,AI 输在了起跑线上。

2、AI  无法诊断「没见过」的疾病

AI 的诊断效果除了算法的影响,很大程度上还取决于用于 training 的数据。

我们暂且抛开大量 training 素材的可及性和伦理问题,相信这些问题的解决只是时间问题。

最重要的一点是 AI 无法诊断 training 中不包含的疾病类型,或者新的关联类型。

比如,发病率比较低的疾病,这些疾病的档案本来就很少,training 素材中可能没有包含或者只有少数几例。那么,AI 在实际诊断中就会发生误判。

再比如,有些病征可能过去一直只跟疾病 A 相关,但最近出现这些病征跟疾病 B 相关的情况越来越多。这时,目前的 AI 依然只会按照过去学习到的规则来诊断。

AI 也许速度很快效率很高,但她非常死板,这绝不是一名优秀的医生应该具备的素质。

不过,随着技术发展和资本推动,中国的医疗 AI 研究必然会打破目前各种疾病诊断领域独自开发的现状,这也让 AI 识别和选择正确的数据成为可能。

3、停留在表面的 AI 诊断

AI 的诊断原理跟医生有本质区别,AI 经常只是停留在表面,而医生能够深入本质。

医生的诊断并不是基于表面的图形,图形只是疾病的一种表象。但是,图像识别 AI 是完完全全地基于这些表象,因为她没有办法理性思考。

真实的医疗过程中存在大量表面上很相似,但实质上大相径庭的案例,这就超出了 AI 的能力范围。但可怕的是 AI 并不知道自己的能力边界,她还是会机械地按照程序员写好的代码进行计算,并给出错误的结果。

在 Bejnordi et al.的研究中我们看到,人类医生只要给予合理的时间,诊断的准确率和 AI 不相上下,但在医疗资源紧张、医生负荷沉重的情况下(比如 2 小时鉴定 129 张病理切片)会有更高比例的病例被误判为阴性,但不管时间是否充裕,人类医生诊断的假阳性率始终是非常低的。而 AI 正好相反,虽然诊断的准确率比较理想,但假阳性率较高,并且算法容许更多假阳性时灵敏度更好 [1]。在 Litjens et al.的报道中,深度学习算法的灵敏度达到了 100%,但假阳性率也高达 40% [5]。

随便举个例子,比如,我上传给花卉识别 AI 一张长筒花的照片,她其实并不认识长筒花,但因为长筒花跟非洲凌霄的花有些类似,所以她很自信地给出非洲凌霄的诊断结果。


长筒花被错误地识别成非洲凌霄

真的放心让专注表象十年的 AI 给你看病吗?

4、AI 无法根据实际调整诊疗方案

AI 在可以标准化或量化的数据处理中强于人类,但医生看病并不仅仅是诊断这么简单,医生的目的是要把病人治好。

为了达到这个目的,医生需要根据患者病情的发展,并发症的情况,身体情况,经济条件给出最优的治疗方案,这个复杂的过程需要的不仅是专业知识,还有经验和智慧 [6]。

你也许会说 Alpha go 和 Zero 不是很有智慧吗?那是因为围棋只是一个游戏,规则清晰,地盘有限,计算机可以左右手互搏赚取经验。在真实世界里,医疗行业日新月异,影响医疗结果的因素众多,受到新技术、新政策、疾病的分布变化等等因素的影响,有那么多「小白鼠」供 AI 练习吗?我们甚至没有一个能够模拟人体在各种疾病和治疗下会有如何改变的模拟器。

AI 能否在实际医疗场景中的提高医疗质量,还有待更严谨的前瞻性研究的证实。

5、AI 无法自己发现新的方法

最后一点也最为重要:医学不是一成不变的科学,医学每天都在进步,每天都在面临新的挑战,诊断标准与诊疗方案也需要与时俱进。而 AI 不能自己给自己建立新的诊断标准,更不能从新的病例中发现新的方法。

AI 的强项在于数据的收集和分析,在有足够多的医疗样本后,AI 也许会对诊疗指南有自己的看法。

但是每个医生都知道,新术式、新治疗方案、新药使用和尝试,甚至是面对新的疾病,都是临床实际工作中的一部分。在目前,推进医学进步的重任唯有人类医生可以担当。

结束语

AI,愿你在这盛世能成为一名合格的仆从,帮助医生完成一些简单重复的劳动,让我们的医生不再那么辛苦,可以有更多的时间更充沛的精力来做重要的事情、帮助更多。


关键字:人工智能  医生  诊疗服务

编辑:鲁迪 引用地址:http://www.eeworld.com.cn/medical_electronics/article_201801048369.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:用MEMS芯片找到控制心脏病的方法
下一篇:胶囊机器人敲开智慧医疗大门

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

5G将为人工智能带来什么

近日,三大运营商已经获得5G试验频率使用许可批复,这意味着全国范围的大规模5G试验将展开。据了解,中国电信获得3400MHz-3500MHz共100MHz带宽的5G试验频率资源;中国移动获得2515MHz-2675MHz、4800MHz-4900MHz频段的5G试验频率资源;中国联通获得3500MHz-3600MHz共100MHz带宽的5G试验频率资源。5G网络作为移动网络的下一代标准,诸多企业纷纷布局,据相关报道称,5G网络将在2020年落地并商用,而在2018年的今天,5G相关设备已经被诸多大型企业拉出来“遛弯”:华为在MWC2018上,它已经展示了全球首款5G商用芯片以及终端;高通发布骁龙855,其集成集成5G新空口(5GNR
发表于 2018-12-07

AI的天花板与助跑器

人工智能(AI)的声势似乎不复去年之勇。项目变少了,业内薪酬涨势停滞,投资人开始讨论AI的泡沫问题,舆论的风向也从鼓噪转向了质疑。客观讲最近一年时间,AI的基础层、技术层和应用层都没有出现革命性的理论,而AI的9个热门方向——芯片、自然语言处理、语音识别、机器学习应用、计算机视觉与图像、技术平台、智能无人机、智能机器人、自动驾驶的商业化进展参差不齐,和与深度学习有关的自动驾驶等领域,则一直处在商业化的边缘徘徊。当多年后我们回头看眼下这段时间,到底是爆发前的静默,还是漫漫长夜的无聊片段?大公司与小公司的殊途同归这一年,谷歌旗下的Waymo自动驾驶技术仍在测试,尽管FCA代工的车队正在扩张,Waymo也一度宣称商业化“近在眼前
发表于 2018-12-07
AI的天花板与助跑器

企业的人工智能,用户的“人工智障”,AI不值得?

2016年是“人工智能”概念最火热的年。年初AlphaGo与人类围棋冠军的数场大战,直接将“人工智能”这个概念炒到了最火热的地步。资本和创业者疯狂涌进AI赛道,甚至吃瓜群众们也开始将“AI会不会毁灭人类”当做了茶余饭后的谈资。但是如今三年过去了,当科技君再回首人工智能虚火旺盛的这几年发展过后,我发现市面上不可避免的出现了一些伪人工智能产品,以及人们过度消费人工智能话题所带来的疲惫和审丑。失业的人工智能“员工”在人工智能最火热的时候,伴随着不少媒体的炒作,AI机器人似乎化身成为了无所不能的存在。无人驾驶汽车、无人超市、AI客服、AI金融分析师等等半真半假的产品被推向了聚光灯下。人工智能大军来势汹汹,似乎下一秒就会取代所有人
发表于 2018-12-07
企业的人工智能,用户的“人工智障”,AI不值得?

中移动与英特尔在数据中心、5G、人工智能等领域签战略合作

在2018年中国移动全球合作伙伴大会上,中国移动与英特尔签署战略合作协议。基于英特尔的计算和通信技术与中国移动的用户基础,双方将在数据中心与云计算、网络功能虚拟化(NFV)/云化、5G及车联网、人工智能四大创新前沿领域展开深度合作,充分释放数据价值,共同培育生态环境,推动产业持续发展。具体如下:在数据中心与云计算领域方面,共同推动和提高中国移动相关软件与系统产品成熟并提升技术水平;在网络虚拟化/云化领域合作方面,共同推动NFV标准化进程,孵化新技术,加速通用API和资源池部署,提升产业成熟度;在5G端到端和车联网领域合作方面,加强核心网领域合作,定义下一代5G网络基础架构,并深入终端侧合作;在人工智能领域合作方面,双方在AI软硬件
发表于 2018-12-07

英伟达人工智能研究获突破 可为汽车等快速创建虚拟3D环境

据外媒报道,英伟达(Nvidia)公司宣布其在人工智能(AI)研究中取得突破,使得研发人员可以使用模型创建完全人工合成的、交互式3D环境,此类模型都在真实世界视频中受过训练。该技术可为游戏、汽车、建筑、机器人或虚拟现实等快速创建虚拟世界。英伟达研究人员利用神经网络,实时创建合成3D环境。与现在需要为虚拟世界中每个对象单独建模的方法相比,英伟达的方案更便宜、所需时间更短。此次研究产生了一个简单的驾驶游戏,允许参与者在城市场景中进行导航,场景中的所有内容都使用神经网络,以交互式方式呈现,神经网络将传统图形引擎生成的3D世界的草图转换成视频。该神经网络已经学会模拟真实世界的状况,包括照明、材料和动态表现。由于虚拟场景完全由人工合成而生
发表于 2018-12-06

英特尔全新人工智能成像解决方案加快重症病患诊断速度

英特尔正与GE医疗集团*联手交付可应用于多种医疗影像格式的人工智能解决方案,以帮助排定病患护理优先顺序并简化护理流程。GE医疗集团利用英特尔®OpenVINO™工具包(在基于X射线系统的英特尔处理器上运行),加快即时诊断医疗成像深度学习。使用该系统后,X射线技术专家、重症护理团队和放射科医生可立即获得检测结果,从而进行进一步诊断。“早期测试表明,通过在英特尔处理器上运行的OpenVINO工具包,GE医疗集团的深度学习优化速度提高到了原来的3.3倍,这有助于及早排定重症病情接诊优先顺序并升级流程,从而确保患者得到更快的治疗。英特尔技术帮助GE医疗集团在多种医学影像模式中广泛应用人工智能解决方案,革新放射科医生的工作流程和病患护理能力
发表于 2018-12-06

小广播

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 医学成像 家庭消费 监护/遥测 植入式器材 临床设备 通用技术/产品 其他技术 综合资讯

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved
pt type="text/javascript" src="//v3.jiathis.com/code/jia.js?uid=2113614" charset="utf-8">