人工智能能否與醫(yī)生的診斷技能相提并論?一款軟件是否能超越各國勞累過度的醫(yī)務(wù)人員的能力?一項研究得出結(jié)論認為可以做到;但與以往一樣，現(xiàn)實可能更加復雜。

發(fā)表在《柳葉刀數(shù)字健康》上的報告進行了薈萃分析(一項研究研究)，以分析醫(yī)生和AI系統(tǒng)在診斷特定疾病時的比較情況。

在審查了82項研究后，該報告得出結(jié)論：“我們的審查發(fā)現(xiàn)深度學習模型的診斷性能與醫(yī)療保健專業(yè)人員相當。”機器零錢?也許還沒有。該論文的作者指出，很少有將醫(yī)生和“深度學習算法”進行比較的研究在相同的數(shù)據(jù)樣本上對它們進行測試，或者其結(jié)果得到了外部機構(gòu)的驗證。同樣，它指出，“報告不佳”決定了所涉人員的診斷準確性。

人工智能對疾病的總體診斷水平為，人工智能為87%，醫(yī)療專業(yè)人員為86.4%。我們應(yīng)該繼續(xù)解雇一些文檔并在他們的診室安裝Hal嗎?有趣的是，人與機器研究的結(jié)果應(yīng)該如此緊密地聯(lián)系在一起：AI是否正在復制使用其訓練數(shù)據(jù)的醫(yī)生的成功和失敗?還值得注意的是，在醫(yī)學領(lǐng)域，要求AI做些限制。幾乎唯一地，它被要求讀取圖像掃描-超聲波，X射線，CT及其他。

AI在那里可以發(fā)現(xiàn)通常容易識別的狀況-骨折，腫塊，視網(wǎng)膜改變。擁有明確定義的疾病標準，使AI和受訓醫(yī)生更容易學習。

但是掃描很少那么簡單。X射線通常以“可能出現(xiàn)X病的證據(jù)”或“如果符合臨床情況可能是Y病”的形式退還給醫(yī)生。掃描永遠不會自己解釋：掃描結(jié)果會與血液檢查結(jié)果，歷史數(shù)據(jù)，全科醫(yī)生的處方和以前的住院記錄，推薦信，記錄患者的病史然后再進行分析，以及護士在繼續(xù)檢查之前告訴您的內(nèi)容午休時間，以及其他許多信息來源。

僅解釋掃描將使您走到現(xiàn)在。

同樣，醫(yī)學上有一種說法是“您不治療X射線，而是治療患者”。醫(yī)生會告訴您，他們已經(jīng)看過一些人的掃描，他們認為如果沒有醫(yī)學界的任何幫助，他們的狀況會非常痛苦或殘疾，他們的狀況會很好。同樣，他們將看到僅顯示輕微疾病或傷害的掃描結(jié)果，患者所遭受的疼痛要比屏幕上顯示的要嚴重得多。解釋掃描很有用，但這只是圖片的一部分–與患者坐下將為您提供更多信息。在醫(yī)學上也有另一句話：“仔細聽病人說，他們會告訴你診斷” –也就是說，如果你和病人說話足夠，就不必訂購一系列掃描儀，首先進行測試。

盡管如此，在放射科醫(yī)生喝早茶之前擁有一臺可以讀取800次掃描的AI(可以輕松識別或以其他方式識別)使醫(yī)生的生活更加輕松：如果AI可以將需要進行活檢的人與需要放心的人區(qū)分開，它將為醫(yī)生提供幫助很多等待。掃描結(jié)果可能需要幾天的時間才能到達負責管理患者護理的醫(yī)生手中，這意味著要等到做出某些臨床決定后，才能將其推遲。認可機構(gòu)將幫助減輕這些問題。

但是，為什么人類醫(yī)生比AI花費更長的時間來進行掃描?這不是能力問題，通常是人員配備問題。根本沒有足夠的員工來扭轉(zhuǎn)局面(醫(yī)療保健部門的人員短缺是嚴重的，并且由于多種因素而造成破壞，尤其是預算有限)。盡管使用NHS數(shù)據(jù)集的AI公司可以提供免費或低成本訪問所產(chǎn)生的產(chǎn)品，但很難想象成功的診斷AI最終不會在長期內(nèi)為預算帶來麻煩。