【獵云網(wǎng)（微信號：）】8月10日報道（編譯：張璐璐）

編者注：本文作者Jeremy Hsu是一名自由撰稿人，主要撰寫科技類文章。

諸如“AI醫(yī)生”、“AI診斷”以及“人工智能將最終成為人類的醫(yī)生”之類的頭條新聞或多或少使人們相信，人工智能不久后將真正取代人類醫(yī)生，但專家表示，事實上AI與人類醫(yī)生將形成一種合作關(guān)系，并非完全取代：患者很快就會發(fā)現(xiàn)，臨床醫(yī)生將與人工智能攜手，共同為他們提供服務(wù)。

在醫(yī)學(xué)界，人工智能的前景毫不悲觀。但許多人表示，針對AI的炒作尚未在真實的臨床環(huán)境中得以實現(xiàn)。對于人工智能服務(wù)將如何產(chǎn)生巨大影響，各界人士的看法褒貶不一。目前，尚不清楚人工智能能否改善患者的生活，對于硅谷企業(yè)、醫(yī)療保健組織和保險公司等期望達(dá)到的最低目標(biāo)也不得而知。

哈佛醫(yī)學(xué)院生物醫(yī)學(xué)信息學(xué)研究員Isaac Kohane表示：“我認(rèn)為所有的患者都真正希望人工智能技術(shù)能夠應(yīng)對醫(yī)療系統(tǒng)的弱點，但實現(xiàn)這一點的方式并不是通過硅谷的炒作。”

如果AI醫(yī)療以預(yù)期的方式成功構(gòu)建，就可以通過提高醫(yī)療欠缺地區(qū)的服務(wù)水平和降低成本的方式來實現(xiàn)醫(yī)療保健的民主化。盡管美國人均醫(yī)療費(fèi)用為1.0739萬美元，但許多治療措施遠(yuǎn)次于其他某些國家。因此，醫(yī)療保健的民主化將成為美國社會的一個巨大福音。AI可以解放一些工作嚴(yán)重超負(fù)荷的醫(yī)生，降低醫(yī)療事故發(fā)生率。據(jù)悉，美國每年有成千上萬的患者死于醫(yī)療事故。在許多醫(yī)生數(shù)量嚴(yán)重不足的國家，AI技術(shù)的益處顯而易見。例如，在中國，熙熙攘攘的城市醫(yī)院門診部每天候診的患者多達(dá)1萬人。

但批評人士指出，如果急于構(gòu)建AI醫(yī)療，反而踐踏了患者的隱私權(quán)，忽視了偏見和限制，或醫(yī)療健康服務(wù)本身未能惠及廣大群眾，那么這種技術(shù)的構(gòu)建得不償失。

Human Diagnosis Project（Human Dx）的創(chuàng)始人兼主席Jayanth Komarneni表示：“AI就像技術(shù)一樣，既可以填補(bǔ)差異，也可能會加劇差異，而在加劇差異的能力方面，沒有任何事物能與AI媲美。”Human Dx是一家專注于眾包專業(yè)醫(yī)療的公益機(jī)構(gòu)。

當(dāng)前，最熱門的AI技術(shù)是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。與嚴(yán)格遵循人類編寫規(guī)則的計算機(jī)程序不同，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法都可以通過查看數(shù)據(jù)集進(jìn)行學(xué)習(xí)，并做出新預(yù)測。最值得一提的是深度學(xué)習(xí)，這一技術(shù)還可以通過發(fā)現(xiàn)人們潛在錯漏的數(shù)據(jù)模式來做出有價值的預(yù)測。

但是，僅僅依靠AI，還不足以充分發(fā)揮這些預(yù)測在醫(yī)療保健方面的作用。然而，人類仍然必須做出可能對健康和資金產(chǎn)生巨大影響甚至后果的決策。由于AI系統(tǒng)缺乏人類的一般智力，系統(tǒng)的預(yù)測或許模棱兩可、令人困惑。如果醫(yī)生和醫(yī)院毫不保留地相信AI，可能會釀成大禍。

針對這一點，微軟研究院高級研究員Rich Caruana曾于去年在雜志《Engineering and Technology》上利用一個經(jīng)典案例進(jìn)行解釋。20世紀(jì)90年代，Caruana參與了一個使用早期的機(jī)器學(xué)習(xí)形式來預(yù)測肺炎患者生存風(fēng)險高低的項目研究。但是，機(jī)器學(xué)習(xí)模型在預(yù)測哮喘患者時出現(xiàn)了差錯。該模型將這些患者視為低風(fēng)險，僅需進(jìn)行小型治療而無需住院治療（若采用人類醫(yī)生診斷，一定會選擇后者。）。而實際上，這些患者的生存風(fēng)險很高，因為哮喘導(dǎo)致的呼吸困難極易引發(fā)肺炎。

斯坦福大學(xué)生物醫(yī)學(xué)信息學(xué)研究中心的研究科學(xué)家Kenneth Jung表示：“如果盲目地信任這個模型，只會被潑涼水。因為模型會告訴我們，這個患有哮喘的孩子得了肺炎，但我們不需要擔(dān)心，開一些抗生素給他，然后送他回家就行了。”

深度學(xué)習(xí)預(yù)測在首次遇到異常的數(shù)據(jù)點（例如特殊的醫(yī)療病例），或者在學(xué)習(xí)無法良好普遍適用的特定數(shù)據(jù)集中時，也會出現(xiàn)謬誤。

在應(yīng)用于海量數(shù)據(jù)集時，AI預(yù)測的表現(xiàn)最佳。例如，由于可以訪問大量人群和患者數(shù)據(jù)，中國在訓(xùn)練AI系統(tǒng)方面具有優(yōu)勢。2月，《Nature Medicine》雜志發(fā)表了一項由中國廣州和圣地亞哥研究人員展開的研究。該研究基于超過56.7萬名兒童的電子健康記錄，可以診斷出許多常見的兒童疾病。

但即使數(shù)據(jù)庫足夠大，仍無法確保100%的準(zhǔn)確率，特別是當(dāng)研究人員嘗試將算法應(yīng)用于新的人群時。在上述該項研究中，參與研究的50萬名患者均來自廣州某醫(yī)療中心，這意味著從該數(shù)據(jù)庫得到的診斷經(jīng)驗無法保證在其他地區(qū)的兒科診斷中適用。不同的醫(yī)療中心擁有不同特征的患者群體。例如，以心血管聞名的醫(yī)院可能會吸引更多更嚴(yán)重的心臟病患者就診；從一家患者大多數(shù)為華人的廣州醫(yī)院得到的研究成果，也不適用于一家患者大多數(shù)為非華裔外國人的上海醫(yī)院。

在其他情況下，這種預(yù)測仍然很難實現(xiàn)。例如，多倫多大學(xué)計算機(jī)科學(xué)家和生物醫(yī)學(xué)工程師Marzyeh Ghassemi表示：“在一家城市醫(yī)院，例如貝以迪醫(yī)院，有4萬名ICU患者。我們可以根據(jù)所有的患者資料做出預(yù)測。這些預(yù)測結(jié)果也許適用于波士頓的另一家醫(yī)院。但對另一個州或者另一個國家的醫(yī)院是否適用呢？我們無法給出肯定的答案。”

雖然AI模型可能并不通用，但Ghassemi認(rèn)為該技術(shù)仍值得探索。“我非常贊成將這些模型從實驗室?guī)蚺R床，但是必須采取非常積極的預(yù)防措施。”

哈佛大學(xué)法學(xué)教授、精準(zhǔn)醫(yī)學(xué)、人工智能和法律項目負(fù)責(zé)人I. Glenn Cohen表示，所有的預(yù)防措施在整個人工智能開發(fā)和部署過程中必不可少。整個過程可能涉及驗證AI預(yù)測的準(zhǔn)確性和透明度。在數(shù)據(jù)收集過程中，研究人員還需要保護(hù)患者隱私，并且需要經(jīng)過患者同意方可利用患者數(shù)據(jù)進(jìn)行AI訓(xùn)練。

當(dāng)AI模型準(zhǔn)備就緒，可進(jìn)行真實患者的實驗性臨床測試時，需再次征求患者同意。“是否有必要告知患者目前我們正在測試過程中利用算法進(jìn)行實驗？AI在該過程中起完全或部分作用是否重要？”Cohen問道。“但對這些問題，我們極少思考。”

Ghassemi還提議AI算法需經(jīng)常審核，從而確保不同種族、性別、年齡和健康保險的公平性和準(zhǔn)確性。由于AI在其他領(lǐng)域的應(yīng)用已經(jīng)證明了它的誤差率，因此這一點將非常重要。

在確保完成上述所有步驟之后，提供AI服務(wù)的人員和公司將解決某些不可避免的法律問題。與多數(shù)通常只需一個監(jiān)管機(jī)構(gòu)批準(zhǔn)的醫(yī)療設(shè)備不同，AI服務(wù)或許每進(jìn)行一次新數(shù)據(jù)學(xué)習(xí)，都要進(jìn)行額外的審核。

一些監(jiān)管機(jī)構(gòu)也正在重新考慮評估AI醫(yī)療保健的方式。4月，美國食品和藥物管理局（FDA）向公眾發(fā)布了一份文件，征求關(guān)于如何更新相關(guān)監(jiān)管審查的公眾反饋意見。“一直以來，我們不懈努力的目標(biāo)是讓技術(shù)惠及群眾，但我們也意識到目前的方法效果欠佳，”FDA數(shù)字健康總監(jiān)Bakul Patel表示。“這就是我們需要縱觀整個產(chǎn)品生命周期整體方法的原因。”

除了關(guān)于授權(quán)、隱私和法規(guī)的問題，誰將最大程度地從AI醫(yī)療服務(wù)中受益仍不可知。醫(yī)療保健的差異也已經(jīng)存在：根據(jù)世界銀行和世界衛(wèi)生組織的統(tǒng)計，全球一半的人口無法獲得基本醫(yī)療服務(wù)，近1億人口因醫(yī)療費(fèi)用而陷入極度貧困。依靠AI的部署方式，這些不平等或許可以得到改善，也可能使情況更糟。

“關(guān)于AI的討論大多集中于如何使醫(yī)療保健民主化，我期待看到這種情況的出現(xiàn)，”瑞士聯(lián)邦理工學(xué)院生物倫理學(xué)家Effy Vayena表示。“如果最終我們只是為能夠承擔(dān)醫(yī)療保健的人提供了更好的服務(wù)，我不確定這是不是我們正在尋求的轉(zhuǎn)變。”

這一切將如何發(fā)展取決于部署AI的不同愿景。早期AI開發(fā)的切入點是非常小的醫(yī)療診斷應(yīng)用，例如檢查皮膚癌或指甲真菌的圖像或讀取胸部X光片。但近期的研究的重點已經(jīng)轉(zhuǎn)向更快速地診斷多種健康疾病。

2018年8月，英國莫菲爾眼科醫(yī)院和谷歌母公司Alphabet旗下的倫敦AI實驗室DeepMind宣布，成功訓(xùn)練出能掃描識別50種眼科疾病的AI系統(tǒng)，其能力與領(lǐng)域內(nèi)領(lǐng)先的專家不相上下。同樣遠(yuǎn)大的抱負(fù)也促進(jìn)了圣地亞哥和廣州的研究，他們希望訓(xùn)練出能診斷兒童常見疾病的AI系統(tǒng)。與高級醫(yī)師相比，AI在診斷兒科疾病方面雖然表現(xiàn)不佳，但確實比一些初級醫(yī)生出色。

或許，要實現(xiàn)醫(yī)療保健的民主化，這類人工智能系統(tǒng)并不需要達(dá)到登峰造極的程度，只需使當(dāng)前的醫(yī)療標(biāo)準(zhǔn)惠及醫(yī)療欠缺的地區(qū)。盡管如此，目前大多數(shù)AI應(yīng)用都致力于提高現(xiàn)有的醫(yī)療標(biāo)準(zhǔn)，而非推廣實惠的醫(yī)療保健。Cohen表示：“實現(xiàn)現(xiàn)有醫(yī)療服務(wù)民主化，將比在許多其他領(lǐng)域民主化的效果更顯著、影響更強(qiáng)烈。”

咨詢公司埃森哲預(yù)計，到2026年，頂級AI應(yīng)用每年可為美國經(jīng)濟(jì)節(jié)約1500億美元。但目前尚不清楚由稅務(wù)資金部分保障的患者和醫(yī)療保健系統(tǒng)是否會受益，或者更多資金是否僅流向科技公司、醫(yī)療服務(wù)提供商和保險公司。

“關(guān)鍵問題在于由誰主導(dǎo)、由誰買單，”Kohane表示。“所有的商業(yè)計劃自認(rèn)知道這些問題的答案，但這一點的確令人有點難以茍同。”

Kohane警告稱，即使AI服務(wù)有望節(jié)省成本，人類醫(yī)生和醫(yī)療保健組織也可能會由于資金短缺而啟動AI系統(tǒng)。這指出了一個更大、更系統(tǒng)性的問題，美國醫(yī)療保險公司所使用的按服務(wù)付費(fèi)的模式通常會由于一些增加的醫(yī)療測試和治療操作向醫(yī)生和醫(yī)院提供一定的補(bǔ)貼，即使這些測試和操作并不必要。

實際上，仍有另一個提高健康護(hù)理質(zhì)量的AI機(jī)遇，與此同時，將大多數(shù)醫(yī)療診斷的主動權(quán)掌握在醫(yī)生手中。斯克里普斯研究轉(zhuǎn)化研究所的主任和創(chuàng)始人Eric Topol在其2019年出版的《Deep Medicine》一書中談到，可以創(chuàng)造出像Siri一樣的AI醫(yī)療助手，產(chǎn)生醫(yī)生與患者之間的互動、記錄電子病歷，并提醒醫(yī)生詢問患者相關(guān)過往病史。

Topol表示：“我希望簡化醫(yī)生的工作，幫助他們擺脫數(shù)據(jù)分析師的角色，對患者承擔(dān)更多責(zé)任，從數(shù)據(jù)中解放出來，這樣就不必浪費(fèi)太多時間在審查上。”

Kohane說，這就像兢兢業(yè)業(yè)的醫(yī)學(xué)助理或抄寫員利用AI自動跟蹤和轉(zhuǎn)錄醫(yī)生與患者之間的對話。他支持Topol的想法，但補(bǔ)充道，目前正在開發(fā)的大多數(shù)AI應(yīng)用似乎并不十分重視這樣的AI醫(yī)療助手。盡管如此，Saykara和DeepScribe等公司已經(jīng)著手開發(fā)這類服務(wù)，甚至谷歌也已經(jīng)與斯坦福大學(xué)合作測試類似的“數(shù)字抄寫員”技術(shù)。

AI助手聽起來可能不如AI醫(yī)生令人興奮，但前者可以讓醫(yī)生騰出更多時間陪伴患者并提高整體護(hù)理質(zhì)量。尤其是家庭醫(yī)生，他們經(jīng)常花費(fèi)一半以上的工作時間將數(shù)據(jù)輸入電子健康記錄。這一點是身體和情緒倦怠的主要原因，甚至可能導(dǎo)致包括患者死亡在內(nèi)的嚴(yán)重后果。

諷刺的是，電子健康記錄本應(yīng)通過降低患者信息的獲取來改善醫(yī)療保健和降低成本。但Topol與其他許多專家指出，電子健康記錄是當(dāng)前AI醫(yī)療保健的大肆炒作。

電子健康記錄的應(yīng)用已在數(shù)百家私營供應(yīng)商中創(chuàng)建了拼湊系統(tǒng)，成功分離了患者數(shù)據(jù)并隔絕了醫(yī)生和患者的訪問。若以史為鑒，許多科技公司和醫(yī)療保健組織或許會用類似的方式為自己的AI系統(tǒng)建立醫(yī)療數(shù)據(jù)庫。

Komarneni表示，使用匯總和排列不同來源醫(yī)療專業(yè)知識的集合智能系統(tǒng)或許是這個問題的解決方法之一。Komarneni正與Human Dx合作試驗這種方法。在美國醫(yī)學(xué)協(xié)會（American Medical Association）等主要醫(yī)療機(jī)構(gòu)的支持下，Human Dx建立了一個在線平臺，為特定醫(yī)療案例的數(shù)千名醫(yī)生提供眾包建議。Komarneni希望這樣的平臺有朝一日也能真正獲得許多不同AI服務(wù)的診斷建議。

Komarneni說：“就像未來各個不同領(lǐng)域的專業(yè)人員可能會看到你的病例一樣，AI完全有可能做到這一點。”

Topol表示，當(dāng)醫(yī)生等待AI助手時，諸如HumanDx這樣的眾包項目“肯定會改善診斷環(huán)境，甚至可以改善治療建議。”2018年，他在一個名為Medscape Consult的平臺上合著了一篇論文。該論文的結(jié)論寫道，集體人類智能可能是AI醫(yī)學(xué)的“競爭或補(bǔ)充策略”。

但是，如果AI服務(wù)通過所有測試和現(xiàn)實檢查，就很可能成為人類重塑現(xiàn)代醫(yī)療保健的重要合作伙伴。

“有些事情機(jī)器永遠(yuǎn)無法完成，也有些事情人類永遠(yuǎn)做不到，”Topol說。“所以，當(dāng)我們把兩者合二為一時，就可能釋放出巨大的能量。”