人工智慧，真能減輕國內醫生的負擔嗎？ 蘇揚 醫藥魔方資料就在幾天前，在北京一家醫院的腫瘤放射科，吳醫生將一位疑似肺癌患者的肺部掃描結果導入到了一個看起來很像Photoshop的軟體中。這其實是個基於人工智慧演算法的軟體，可以使用數千張掃描片訓練過的神經網路將掃描結果中可疑的結節用紅框標注了出來。吳醫生對軟體處理的結果仔細檢查了一遍，她更正了兩處假陽性的錯誤位元點，神經網路誤將血管誤識別成了腫瘤。但是該神經網路同時也標注出了一個她之前遺漏的結節，這個結節或許是早期疾病的徵兆。目前國內正大力推進人工智慧演算法在醫療領域的應用。美國及歐洲也存在著這樣的趨勢，但是國內對於資料以及新技術的限制更少，並且對自動化的需求更加迫切。在中國大約每1000人會覆蓋1.5個醫生，而在美國這個數字是2.5。國內該領域的進展非常迅速，根據北京一家諮詢公司Yiou Intelligence的資料，國內大約有130多家公司正在開發人工智慧演算法，並將其應用於醫療領域。而從下個月起，北京的一家醫院也將會使用人工智慧演算法處理所有肺部掃描資料，從而加速疾病篩查的過程。去年工信部印發了人工智慧三年計畫，力爭在2020年獲得重要突破，而人工智慧在醫療領域的應用也是該計畫的重要組成部分。上個月IDC發佈的一項報告預測到2020年中國的人工智慧醫療服務市場將達到59億元。不僅是初創公司，國內的科技公司巨頭也加入了這場爭奪戰，阿裡巴巴以及騰訊均設有研發中心進行人工智慧診斷工具的研發。除了政策導向，國內公眾對於人工智慧的態度和觀念也可能會使中國相比西方國家在人工智慧落地方面的障礙更小，更容易憑藉人工智慧推進醫療行業的健康發展。在西方國家人工智慧的崛起對就業崗位的影響一直是醫生們所擔心的問題，但是大部分國內的醫生卻非常希望能夠利用軟體將大部分重複性的勞動自動化。儘管如此，人工智慧在醫療領域仍然存在著很大的障礙，這類神經網路通過複雜的運算過程所得出的結論人類通常很難解釋，這就會引發很多問題，比如在使用人工智慧進行醫療診斷的過程中出現的事故究竟誰應該負責。研發能夠處理CT，X光等醫學影像資料的演算法是國內一個比較熱門的領域。影像學領域之所以受追捧是因為利用人工智慧進行圖片識別的技術現階段相對成熟。吳醫生使用的人工智慧軟體是由北京的一家初創公司研發的，國內已有超過20家醫院安裝了這一軟體，該公司匯總了超過180家醫院的資料，形成了一個龐大的網路。但是人工智慧同時也能夠應用於醫療行業的其他領域。呂醫生是北京的一名口腔修復科醫生，他正在與清華大學合作研發能夠設計義齒的人工智慧演算法。他們使用來源於教科書的義齒設計原則，以及醫生標注過的三萬個真實案例對演算法進行訓練。呂醫生說該演算法設計出的義齒已經能夠與經驗豐富的醫生相媲美。因此他也計畫在今年下半申請評價該演算法的臨床試驗。北京的劉醫生是一名專注於淋巴瘤的醫生，他正在與清華大學的研究人員共同研發機器學習演算法，對超聲資料進行分析以檢測淋巴瘤病人因治療引起的血栓。如果能使用超聲波掃描篩查出仍然處於早期的靜脈血栓病人，就能夠對病人進行及時的治療。但這也存在一個比較難解決的問題，醫院並沒有足夠的資源對每一位病人進行篩查，通常只有在病人出現症狀的時候才進行檢測。國內的一些研究人員也在研究如何讓這些軟體自動學習醫學知識。去年科大訊飛與清華大學共同研發的曉醫順利通過了國家醫師執照考試，而且得分超過了96%的應試者。其實創建該類演算法的難度並不在與擴充軟體的知識面，而是要教會機器如何理解不同知識點的內在聯繫，並將其運用於推理和決策過程。這類演算法的核心仍然是自然語言的處理，只是更加專注於醫學領域。該類演算法在解答多項選擇題時與人類選擇正確答案的過程完全不同。演算法是通過計算文字間的統計學的相似性來尋找解答一個特定問題所需的證據的。在對考試結果進行詳細的分析之後發現了一些機器無法與人類抗衡的地方: 常識以及倫理問題。機器演算法回答這些領域問題的得分要低於全國的平均分。清華大學的吳教授主導了這個研究項目，現在他正在探索該類演算法應用於臨床的方式。他同時也承認這種方式並不會是在每一個醫生的電腦裡都裝上這款軟體這麼簡單。但另一方面真正使用過這些軟體的醫生卻認為這些工具對他們的工作幫助很大，比如吳醫生所在的醫院每天的門診量大約有一萬人次，所以她其實並沒有足夠的時間非常仔細的查看每一張片子，因此這些軟體確實可以幫他們減輕一些負擔，她這樣說。參考資料: AI could alleviate China's doctor shortage
No comments:
Post a Comment