好运连连彩票官网|6t学院彩票官网
首頁 科技資訊 業界

重構醫院:淺談醫療AI的現狀與矛盾

【TechWeb】人類醫生無可替代,AI是目前最好的輔助工具。

智能機器可以簡化抽象的檢查、診斷流程,卻無法對患者病情確診承擔責任;機器無法理解CT影像,但可以運行人造神經網絡為影像科醫生提供更全面的信息。

TechWeb筆者坐在致遠慧圖(Vistel)研發的眼底檢查儀面前,現場演示人員提醒筆者緊盯著機箱內閃亮的熒光點。啟動鍵按下后,檢查儀在2維平面內緩慢移動,準確的找到了眼球位置,機箱的攝像機前后對焦尋找最合適的距離,兩次閃光后,筆者的眼底照片便在平板電腦上顯示出來。

重構醫院:淺談醫療AI的現狀與矛盾1_副本

“系統正在將照片發送到云端決策后臺,請您稍等”,演示人員講到。

不到半分鐘,“檢查結果”出來了,在復雜的底片上,能看到筆者眼球內部的血管與潛在異常情況。“請放心,您的眼底沒有問題。”演示人員在云端回傳的檢測報告上,并未發現任何異常病變。

重構醫院:淺談醫療AI的現狀與矛盾2_副本

病人的眼底檢查結果,可以在一臺機器人掛載的顯示屏上查到。這臺機器人連接著4G網絡,可以在醫院內任意角落擺放。

這是TechWeb在上海國際醫療人工智能會議上體驗到的一款AI輔助診療機器,時間是2019年4月2日。

據藥監局醫療器械部門副主任透露,國家對醫療人工智能監管政策去年已落實,鼓勵廠商創新應用、支持技術創新,而截至4月1日,國內沒有一款醫療AI儀器獲得上市許可。

這不禁使人困惑:病人真的可以相信一臺機器給出的診斷報告么?

1、苦苦尋覓,初見希望

“三甲醫院人滿為患,基層醫院門可羅雀”,百度靈醫負責人黃艷表示,人口老齡化、醫療資源有限、醫療經濟負擔是中國醫療長期面臨的挑戰,結構性失調一直是國內醫院的常態。有數據顯示,數量上占比8%的三級醫院,承擔著國人40%的診療重任。

結構性失調,讓大量醫生苦于疲憊。

以往影像的檢查只需看幾張片子,而CT診斷時間從幾天到半把月不等,MRI(核磁檢查)的診斷時間也隨影像數量增加而延長。重復性、“吃經驗”的工作不僅增加了影像醫生的負擔,同時增加了高壓力工作狀態下醫生的犯錯可能。

如同珍妮紡紗機,AI能“學習”醫生的讀片經驗,成為提高人類工種勞動效率的機器。技術上,以卷積神經網絡(CNN)為例,目前CNN為核心的影像診療儀已足夠成熟,肉眼終究難以戰勝機器的速度,同時機器不會因疲勞而犯錯。“醫療+AI”,是一種改善現有醫療結構的最優策略,據悉,具備“輔助診斷”能力的智能機器在醫療AI領域占比61%,是最快落地的功能。

重構醫院:淺談醫療AI的現狀與矛盾3_副本

圖片中,一邊是國內AI影像公司BioMind的讀片機器人,一邊是人類代表的優秀臨床專家,通過顱內、腦血管影像判讀“人機大戰”,人類代表毫無懸念的敗給機器人。此舉表面證明了機器讀片的準確、高效、成熟,卻忽略在現實生活中醫患關系中的微妙關系。

2、AI與醫生,相依相存

機器無望完全取代醫生,但卻是有力的“助手”,極有可能讓醫生從簡單、耗時、耗人力的勞動中解放出來。比如,曾經人工用15分鐘時間篩查300~400張影像才能判定的肺結節,AI只需要1分鐘;人工3~5分鐘才能測出的腦卒中出血體積,AI只需幾秒鐘。與此同時,后者擁有更高的準確率。

當然,回歸根本問題:我們憑什么信任一個“黑盒子”?是因為它的準確率?顯然不是。

陳寬,深圳人,在美國讀的經濟學,2014年輟學回國創業,創辦AI影像公司推想科技(inferVISION)。陳寬本人講起影像技術時,不由自主的透露出激情,按照他的說法:人工智能影像會成為未來臨床的革命性技術。目前,推想科技已經在國內、日、德、美、西等國推行自己的臨床產品。

陳講到,公司最開始將InferRead CT(一套人工智能CT輔助工具)帶到西班牙時,被當地頂級醫學專家狠狠拒絕,理由很簡單:臨床不需要毫無情感的機器做診斷。于是陳寬表示讓專家體驗一周,不收取費用。結果,一周后西班牙專家對InferRead CT 表示認同,認為人工智能是外科讀片最好用的軟件。

“這是我用過最好的工具!”西班牙專家用英文對我們的產品評價到。”講到這里,陳寬臉上露出一份對技術的自豪。

人類相信“黑盒子”,不僅是源于對診療效率的追求,更是為彌補人類醫生的天然不足。

如果醫療人工智能可以學習人類醫生的判斷經驗,成為診斷正確率99.99%(目前人或AI尚不能達到)的“專家”系統,這聽起來恰如人意,但誰會成為“不幸的”0.01%?很明顯,我們不可能將最終的判斷交給機器。在醫院里,人類醫生也會出差錯,誤診、錯診、漏診,一項醫療事故可能不僅會改變一家人的命運,也可能改變一位醫生的職業道路。當我們談論AI+醫療時,聊的不僅僅是算法、數據,還有人類進化歷程中不可規避的矛盾:道德。

3、前途未卜,道德先行

國內外,AI醫療器械的推廣與銷售,對于初創公司都是一項艱巨的任務,原因有三:

1)醫療圈層復雜,信任權重高。

2)國際標準不同,受當地政策影響。

3)市場成熟度差距。

國際上對AI+醫療的重視程度不一,國內已將此視為醫療改革重點方向,甚至逐步將大數據醫療、醫療AI上升為國家戰略的高度。而多數發達國家對醫療AI有自己的看法,觀望者居多,并未采取推進措施。推動發展中國家的醫療AI項目的力量,目前來自世界衛生組織(WHO)。相較國際水平,國內醫療AI產品有相對較高成熟度,在國際項目中具備足夠優勢。

國內的醫療AI還未正式啟程,美國IBM的“沃森”似乎已石沉大海。

IBM研發的沃森是一臺具備搜索算法、自然語言處理與知識圖譜構建的智能機器人,它曾在綜藝節目中戰勝人類選手,負責人希望沃森可以在癌癥臨床醫學發揮優勢,但結果讓其寸步難行。沃森不做影像,只專注自然語言處理,通過對大數據的學習,可以為病患進行診斷與藥物推薦,推薦出的藥方不能令人滿意:有些癌癥病人得到的處方具有一定潛在醫療風險,而人類醫生絕不會像沃森一樣擔負高風險,優先采用穩定的治療策略。

重構醫院:淺談醫療AI的現狀與矛盾4_副本

醫療AI的內核有三:算法、算力、數據。算法可以由數學家解決(究其原因,IBM的沃森機器人便是輸于算法),計算的壓力由硅基處理器應對,大多數人想不到:目前的數據才是制約醫療AI發展的關鍵。

“醫療領域少有完整大數據,幾乎全是是稀疏的小數據。”上海交通大學附屬第一人民醫院副院長鐘力煒認為:醫療數據的可用性很差,目前現有的公開可循、記錄完備、診斷準確的醫療數據并不足以支撐醫療AI。即使某個病種有了足夠數據訓練出了一些AI產品,有沒有標準測試庫給AI一個客觀評價呢?

“也沒有”。鐘力煒回答,這位數學系出身的醫療專家,對醫療AI的發展有較深入見解。他認為AI需要與人類醫生共同決策,而這種組合又會帶來新的復雜醫療模型。

你也許會繼續問,如果可以改善算法、滿足算力,并增加數據數量與質量,醫療AI就可以可以成為毫無差錯的醫生么?答案否定的。人類醫生與AI,終將成為相輔相成的組合。

或許在未來的醫院里,AI將如同被廣泛應用的青霉素,成為該領域不可或缺的組成。

官方微博/微信

每日頭條、業界資訊、熱點資訊、八卦爆料,全天跟蹤微博播報。各種爆料、內幕、花邊、資訊一網打盡。百萬互聯網粉絲互動參與,TechWeb官方微博期待您的關注。

↑掃描二維碼

想在手機上看科技資訊和科技八卦嗎?

想第一時間看獨家爆料和深度報道嗎?

請關注TechWeb官方微信公眾帳號:

1.用手機掃左側二維碼;

2.在添加朋友里,搜索關注TechWeb。

好运连连彩票官网