擔憂醫生因AI技術而失業？杞人憂天

據Technologyreview報道，今年年初，人工智慧（AI）科學家塞巴斯蒂安·特隆（Sebastian Thrun）與其斯坦福大學的同事們進行演示，證明「深度學習」演算法能夠診斷潛在的癌變皮膚病變，準確性與獲得資格認證的皮膚科醫生不相上下。《自然》雜誌報道稱，癌症發現是今年一系列報道的重要部分，為我們進入「軟體診斷」的新時代提供了早期預見。

在這個新時代，AI不僅可幫助醫生診斷疾病，甚至還能與人類醫生競爭。專家們稱，照片、X光片、核磁共振成像等醫療圖像可與深度學習軟體的優勢進行近乎完美的匹配。在最近幾年中，深度學習軟體在識別圖片中的面孔和物體方面取得突破性進展。

許多公司已經意識到這個機遇。2016年12月份，谷歌母公司Alphabet旗下生命科學子公司Verily聯手尼康公司，共同開發能夠發現糖尿病患者致盲原因的演算法。與此同時，放射學領域又被稱為「醫學矽谷」，因為它可以產生大量包括諸多細節的圖片。

黑箱子醫療

雖然特隆團隊的預測非常精確，但依然沒人能夠確定深度學習演算法利用痣的哪些功能將其歸類於癌變癥狀或良性。結果，這也被成為深度學習的醫療版「黑箱子」問題。不同於傳統的視覺軟體，程序員可在深度學習領域對規則進行定義，演算法可以找到規則本身，但經常無法留下線索用以解釋它的決定。

美國密歇根大學關注健康法律的學者尼克爾森·普萊斯（Nicholson Price）說：「在黑箱子醫療領域，醫生不知道到底發生了什麼，因為沒人知道，它本質上是不透明的。」普萊斯還稱，這可能不會對醫療領域造成嚴重傷害。他將深度學習比作藥物，只是人們不知道這種藥物的效力源自何處。

以鋰為例，它影響情緒的確切生物化學機制還不清楚，但這種藥物已被批准用於治療躁鬱症。阿斯匹林也是被廣泛使用的藥物，但其背後的藥理70多年來依然未曾解開。普萊斯表示，與它們相似，黑箱子問題不會給美國食品和藥物管理局（FDA）造成影響，除了批准新藥物，這個機構也會對軟體進行監管，前提是其以治療或預防疾病為目的開發出來的。

美國食品與藥物管理局發表聲明稱，在過去20多年中，該機構已經批准許多圖像分析應用，它們依賴於各種識別模式、機器學習以及計算機視覺技術。該機構還證實，我們會看到更多深度學習支持的醫療軟體出現，並認為公司可以對他們的演算法細節保密。

此外，美國食品與藥物管理局至少已經為一種深度學習演算法開了綠燈。今年1月份，該機構批准了舊金山醫療影像公司Arterys合法出售其開發的軟體。這種軟體的演算法DeepVentricle可分析心室內部輪廓核磁共振成像圖像，計算出病人心臟能夠容納和泵出的血量。這種計算可在30秒內完成，而常規方式需要1個小時。

美國食品與藥物管理局要求Arterys公司進行更大範圍測試，以確保其演算法結果符合醫生診斷。該公司首席技術官約翰·塞利斯（John Axerio-Cilies）說：「從統計學上，你需要證明你的演算法安全有效，符合預期用途。」

龐大需求

為了訓練自己的軟體，由谷歌無人駕駛汽車團隊前副總裁特隆領導的團隊為其提供了129405張經過專家評估的皮膚圖像。這些圖像覆蓋2032種疾病，其中1942張圖像來自皮膚癌確診患者。最終，在確定哪些痣可導致潛在癌變方面，這款軟體戰勝了21名人類皮膚病醫生。

斯坦福大學皮膚病醫生、研究作者羅伯特·諾沃亞（Robert Novoa）說：「當皮膚科醫生看到這種技術的潛力時，我想大多數人都會選擇支持它。」諾沃亞與其他團隊成員拒絕透露，他們是否打算商業化這款軟體。

Memorial Sloan Kettering皮膚科醫生、國際皮膚數字成像協會主席艾倫·哈爾珀恩（Allan Halpern）表示：「任何有關醫生即將因AI技術而失業的擔憂都是杞人憂天。我認為演算法不但不是威脅，反而還會大幅推動皮膚科服務的需求。」這是因為篩查測試陽性還需要活檢。哈爾珀恩說，深度學習軟體可在初級醫療領域佔據一席之地，但如果要進行廣泛的篩查，或通過消費應用進行，可能沒有足夠的皮膚科醫生跟進。

塞利斯也說，公司可能被誘惑向消費者直接提供深度學習工具。舉例來說，人們可能掃描自己身上的痣，看它們是否需要去看醫生。有些非AI手機應用（比如Mole Mapper）已經允許人們追蹤可疑的痣，並隨著時間推移對其變化進行記錄。

可是哈爾珀恩表示，他不認為消費者已經準備好迎接這樣的診斷系統，因為這些系統可能告訴他們，某個痣有5%的幾率或50%的幾率屬於癌變。他說：「我們還不擅於利用這樣的概率。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！