贊助本站
據(jù)華爾街日報(bào)報(bào)道，一科學(xué)家團(tuán)隊(duì)近日稱其人工智能程序通過胸部X光片診斷肺炎的準(zhǔn)確度超過人類放射科醫(yī)師。放射科醫(yī)師應(yīng)當(dāng)為此感到擔(dān)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(shí)候，斯坦福大學(xué)的一個(gè)計(jì)算機(jī)科學(xué)家團(tuán)隊(duì)宣布，他們的人工智能程序通過胸部X光片診斷肺炎的準(zhǔn)確度超過人類放射科醫(yī)師。
“放射科醫(yī)師應(yīng)該為自己的飯碗憂心嗎？”其中的一位科學(xué)家吳恩達(dá)（Andrew Ng）發(fā)布推文稱。
也許他們不必感到擔(dān)憂。事實(shí)上，他們應(yīng)該松一口氣才是：AI更有可能會(huì)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(shù)專業(yè)人士一樣的二十一世紀(jì)問題：數(shù)據(jù)太多。最新的AI迭代技術(shù)機(jī)器學(xué)習(xí)能夠仔細(xì)篩查那些數(shù)據(jù)，以及發(fā)現(xiàn)人類可能看不到的模式。但機(jī)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(xué)圖像數(shù)量猛然增加，說明醫(yī)生工作負(fù)荷不斷增加，掃描種類更多，每種身體檢查產(chǎn)生的圖像也有增無減。以往只能捕捉一個(gè)身體維度的CT掃描，如今能夠捕捉三個(gè)維度，因而會(huì)產(chǎn)生數(shù)百乃至數(shù)千張高度精細(xì)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(jì)，美國每年進(jìn)行的放射科檢查數(shù)量達(dá)到8億次左右，共計(jì)產(chǎn)生大約600億張圖像，或者說每個(gè)放射科醫(yī)師每兩秒鐘就產(chǎn)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(shù)據(jù)帶來的巨大負(fù)擔(dān)，解釋了為什么英國部分醫(yī)學(xué)圖像生成以后幾個(gè)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(rèn)為AI能夠緩解那些負(fù)擔(dān)。它是眾多針對醫(yī)學(xué)成像開發(fā)AI應(yīng)用的公司中的一家。
IBM的科學(xué)家團(tuán)隊(duì)給計(jì)算機(jī)注入數(shù)千張已經(jīng)過人工診斷是否存在腫瘤或其它癥狀的醫(yī)學(xué)圖像。計(jì)算機(jī)會(huì)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(xiàng)實(shí)驗(yàn)中，IBM沃森根據(jù)皮膚損傷圖像診斷黑素瘤的準(zhǔn)確率達(dá)到76%，超過8位皮膚科醫(yī)生71%的平均準(zhǔn)確率。該公司希望，有朝一日，醫(yī)生或者護(hù)士將能夠拍下皮膚損傷圖像，將它上傳到一個(gè)AI應(yīng)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(xué)習(xí)，它無法知道得比人類多，但它能夠更加穩(wěn)定地運(yùn)作，在應(yīng)用那些知識的時(shí)候會(huì)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?xùn)|西，就絕不會(huì)忘記，會(huì)將相關(guān)的知識應(yīng)用在每一次的圖像診斷上。這在極度缺乏訓(xùn)練有素的放射科醫(yī)師的貧困國家可能會(huì)特別有價(jià)值。
AI的局限性
不過，AI只能夠根據(jù)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(jī)構(gòu)的杰米·穆里羅（Jaime Murillo）表示，它“可能會(huì)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(zhǔn)確。”
這正是制約AI在各種領(lǐng)域的應(yīng)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?yàn)樗钠脚_篩查爭議性的內(nèi)容。
不過，排查爭議性內(nèi)容的工作，需要Facebook用戶向“社區(qū)運(yùn)營”團(tuán)隊(duì)舉報(bào)，然后由后者決定是否應(yīng)該將其刪除。在那以后，AI會(huì)留意類似的內(nèi)容，防止它被分享傳播。Facebook目前聘請了數(shù)千人來進(jìn)行審查內(nèi)容。
多倫多大學(xué)專門研究AI的經(jīng)濟(jì)學(xué)家艾維·古德法布（Avi Goldfarb）指出，“在很多的日常AI應(yīng)用中，機(jī)器會(huì)預(yù)測及整理最相關(guān)的選項(xiàng)，但最后還是由人類作出實(shí)際的選擇。”他談到BenchSci和Atomwise，這兩個(gè)AI應(yīng)用會(huì)根據(jù)其對科學(xué)文獻(xiàn)的分析以及抗體和分子的大型數(shù)據(jù)庫，向科學(xué)家推薦潛在的研究途徑。