AI正在打造「21世紀的聽診器」，助攻人類醫生病患診斷

如今，一位新的醫生進入了急診室——但與我們的傳統認知不同的是，不僅沒有名字，甚至沒有實體。事實上，人工智慧技術已經進入世界各地的醫療體系。請各位機器人反對者放心，人工智慧在醫療衛生領域的融合併不是要取代人類的工作崗位。人工智慧擁有強大的擴展與與強化能力，有時甚至能夠啟發醫生對病患作出更為全面的診療。

利用「二十一世紀的聽診器」完成診斷

Bertalan Mesko被認為是醫學未來學家，他把人工智慧稱為「21世紀的聽診器」。他的評估結果可能比他預期的更準確。儘管以往的各類技術與測試確實能夠為醫生提供對患者進行診斷與治療所需要的各類信息，但醫生們肩上仍然擔負著過重的臨床與行政責任，而對大量可用信息進行分類無疑也是一項艱巨的任務。

這就是二十一世紀聽診器所能帶來的全部助益。

儘管如此，AI技術在醫療領域的應用已經超出了行政管理的工作範圍。從強大的診斷演算法到精心設計的外科手術機器人，這項技術正在醫學界引發極為廣泛的關注。很明顯，AI已經在醫學領域佔有一席之地，只是尚不確定它的具體價值。

想像一下，如果人工智慧被納入到病人護理團隊當中，那麼我們首先必須更好地理解AI如何對接人類醫生。雙方的準確性差異如何？AI能夠做出哪些具體或者獨特的貢獻？AI在哪些領域最具幫助，又是否可能造成危害？只有回答了這些問題，我們才能真正開始預測，而後構建起以AI為支柱的美好未來。

AI vs. 人類醫生

儘管相關工作仍處於發展初期，但人工智慧在病患診斷方面已經擁有了與醫生類似、甚至更勝一籌的能力。

英國牛津約翰-拉德克里夫醫院的研究人員們就開發出一套AI診斷系統，能夠以至少八成機率帶來高於人類醫生的心臟病診斷準確率。而在哈佛大學，研究人員們則打造出一款「智能」顯微鏡，能夠檢測其中潛在的致命血液感染：該人工智慧輔助工具訓練自100,000張相關圖像，而這些圖像又源自25,000張由染料處理完成（旨在進一步凸顯細菌影像）的幻燈片，該AI系統能夠以95%的準確率對細菌進行分類。日本橫濱昭和大學的一項研究顯示，一種新型計算機輔助內鏡系統能夠顯示結腸位置的潛在癌細胞生長跡象，靈敏度為94%、特異性為79%、準確性為86%。

在某些情況下，研究人員還發現，AI能夠在需要快速判斷的診斷條件下勝過人類醫生——例如確定病變位置是否屬於癌變等。

在2017年12月由美國醫學會雜誌發表的一項研究當中，深度學習演算法在時間有限的情況下能夠比人類放射科醫生更好地診斷轉移性乳腺癌。儘管人類放射科工程師在時間充裕的情況下同樣能夠作出良好的判斷，但在實際情況下（特別是在急診室等容量巨大且病患快速流轉的環境中），快速診斷很可能直接決定著患者的生死存亡。

當然，IBM Watson就擁有這樣的診斷能力：在針對來自腫瘤細胞的遺傳數據作出有意義的分析見解時，人類專家需要花上約160個小時來審查並根據發現提供治療建議; 相比之下，Watson只用了10分鐘就能給出同樣的可操作建議。谷歌最近也公布了一套開源DeepVariant版本，這是該公司用於解析遺傳數據的人工智慧工具，並在去年的FDA Truth挑戰賽當中成為準確度最高的工具。

AI技術在預測健康事件方面的表現同樣優於人類。

去年4月，諾丁漢大學的研究人員們發表了一項調查，結果表明通過利用來自378,256名患者的大量數據進行訓練，AI實現了高於現有標準7.6%的患者心血管發病事件預測準確率。研究人員們在報告中寫道：「在作為測試樣本的約83,000條記錄當中，這樣的準確率提升意味著AI將額外挽救355名病患的生命。而更值得注意的是，神經網路的『誤報』機率也比標準方法低1.6%——一旦作出誤判，患者很可能受到不必要的治療或者護理程序，而其中很多其實相當危險。」

AI技術超越人類表現的主要領域，集中在具備大量數據儲備的情況下，而這正是目前精準醫學快速發展的核心方向。

人類診斷項目（簡稱Human Dx）正是為了填充這項空白而建立，其將機器學習與人類醫生的實踐經驗加以結合。該機構正整理來自80多個國家的7500名醫生與500家醫療機構的輸入信息，以便開發出一套系統，確保患者、醫生、機構、設備開發人員以及研究人員皆可加以訪問並作出更為明智的臨床決策。

人類診斷項目非營利組織主任Shantanu Nundy在接受採訪時表示，在涉及到任何行業性技術的開發時，人工智慧都應被集成至其功能當中。「必須在設計當中考慮到最終用戶的實際需求。人們會使用Netflix，但並不代表他們想要『用來看電影的AI』，對吧？人們會使用Amazon，但卻不代表他們想要『用來購物的AI』。」

換句話來說，如果此類技術設計得足夠出色，並以一種人們認為有用的方式來實現，那麼人們甚至意識到不自己正在使用AI。

對於思想開放、富有前瞻性的臨床醫生們來說，像Human Dx這樣的項目可謂極具吸引力。因為其能夠幫助從業者們減少在技術鑽研方面所投入的時間。DC特區執業工程師Nundy在採訪中表示，「我們現在需要把50%以上的時間花在電腦屏幕前。」而AI技術的出現將幫助醫生更為高效地解決甚至擺脫文書工作等行政負擔。

從這個角度來講，在醫療領域，人工智慧的意義並不一定在於取代醫生，而是優化並提高其業務能力。

心理醫療與人情味

總部位於波士頓的人工智慧與行為分析企業Cogito公司移動健康閱讀首席行為科學主管Skyler Place在採訪中表示：「我認為人工智慧的價值在於增強人類的能力，而非取代人類。」Cogito公司一直利用人工智慧語音識別與分析功能幫助來自眾多行業的客戶改善服務交互效果，尤其是一款用於追蹤病人行為的心理健康應用程序——Cogito Companion。

這款應用能夠監控病人的手機以識別其中的主動及被動行為信號，例如位置數據，從而了解病人是否多日待在家中；或者提取通信日誌以追蹤其是否長期未與他人發送簡訊或通話（Cogito稱，該應用只會了解病人是否使用電話或簡訊功能，而不會追蹤其中的具體內容）。患者的護理團隊可以監控報告中包含的跡象，進而把握患者可能出現的整體心理健康狀態變化。

Cogito公司已經聯合波士頓各地多個醫療衛生系統以測試這款應用，且該應用目前已經在退伍軍人群體當中找到合適的施展空間。退伍軍人往往面臨著被社會孤立的風險，且可能出於自尊心而不願接受來自醫療系統的援助——特別是心理健康指導。Place指出，「我們發現這款應用能夠建立起信任，從而通過更為廣泛的方式推動醫療行業的參與。」他同時補充稱，該應用「能夠有效作為行為轉變的起點」，包括幫助退伍軍人適應這種引導並逐步接受精神治療服務。

這正是AI技術的作用所在：利用機器學習演算法分析「音頻檢查」——即病人的錄音（類似於音頻日記）。這些演算法能夠從中提取情緒線索，如同兩個人在說話一樣。Place解釋稱，「我們能夠建立符合人們口頭表達方式的演算法，包括精力、語調、對話活躍度以及流量等。」

以此為基礎，人類對演算法進行訓練，旨在幫助其理解什麼樣的表達聽起來「可信」或者「能力」，從而確定抑鬱症患者的聲音特徵、或者狂躁症患者的聲音差異。該應用除了為患者提供實時信息以追蹤情緒之外，此類信息還有助於臨床醫生隨時間推移全程追蹤患者的進展情況。在Cogito公司，Place已經看到了人工智慧在幫助我們理解人類對話以及心理健康狀況方面的巨大潛力。

然而，理解只是第一步，其終目標在於找到一種可行的治療方法——而這正是醫生目前在精神健康問題方面發揮的作用。那麼，在面對更為實際的問題時，機器人又該扮演怎樣的角色？

外科手術機器人

在過去幾十年當中，人工智慧在醫學領域最重要的應用之一，集中體現在外科手術機器人的發展當中。

截至目前，在大多數情況下，外科手術機器人（其中最著名的當然是da Vinci）都作為人類外科醫生的延伸，負責控制操作台上的各類設備。2010年在蒙特利爾進行的全球首例手術當中，手機機器人與機器人麻醉醫生（被稱為McSleepy）完成了自己的首秀。相關數據反映出，這些機器人醫生確實帶來了令人印象深刻的表現。

2015年，距離第一台手術機器人進入手術室十多年之後，麻省理工學院對FDA數據進行了回顧性分析，旨在評估機器人手術的安全性水平。研究期間共出現144例死亡、1391人受傷，這主要是由於技術難題或設備故障所造成。報告指出：「儘管報告數量相對較多，但絕大多數手術都獲得了成功，其中沒有出現任何問題。」但對於更為複雜的手術部位（例如心外科手術），問題的出現次數明顯高於婦科及普通外科手術。

結論基本可以總結為：雖然手術機器人能夠在某些專業方向上帶來良好表現，但對於更複雜的手術，最好還是留給外科醫生進行處理——至少目前如此。但這種情況可能很快發生改變，而且手術機器人將能夠以更為獨立的方式擺脫對人類外科醫生的依賴，到時候我們可能很難判斷在發生問題時到底該由誰承擔責任。

患者可以起訴機器人嗎？畢竟這項技術還相對比較年輕，因此這類訴訟將遭遇法律層面的灰色地帶。從傳統角度講，專家們認為醫療事故是由工程師的疏忽所造成，或者違反了明確的醫療標準。然而，疏忽這一概念意味著人工智慧本身存在某種意識缺失，可以想像的是如果機器人自身被認定為一種效能標準，則必須擁有對應的規則對其加以約束。

因此，如果問題不能歸咎於機器人，那麼責任應該由誰來承擔？患者家屬是否會要求負責監督機器人的人類外科醫生負責？或者應該由機器人的製造公司負責？或者是由負責設計工作的工程師負責？這個問題目前還沒有明確的答案，但可以肯定的是我們必須儘早為其找到解決方向。

不必誇大，將AI放在最對的位置

未來幾年，AI技術在醫療領域的作用將持續升級：在埃森哲發布的一份報告當中，2014年的醫療市場AI總值為6億美元。而到2021年，這一數字很可能達到66億美元。

這一行業可能將蓬勃發展，但我們不應該急於或隨意整合AI技術。為何這麼說？因為人類所遵循的邏輯可能與機器並不契合。

舉例來說，經過訓練的人工智慧方案能夠確定特定皮膚病是否屬於潛在癌變。皮膚科醫生經常會使用rulers來判斷病變的癌變可能性，但AI在訓練過程中使用的則是活檢圖像，如果圖像中出現了rulers，則其有可能會認定這意味著目標病患出現了癌變——聽起來荒謬，但這就是機器的學習方法。

演算法也有可能繼承我們的偏見，這主要是由於用於訓練AI的素材缺乏多樣性。無論是在醫學還是其它領域，機器訓練所使用的數據在很大程度上取決於研究者自身的身份以及進行訓練的位置。

醫療決策的另一個宗旨在於，程序或治療所帶來的好處是否超過風險。在考慮人工智慧是否可以與手術室的外科醫生擁有平等地位時，我們首先需要投入大量時間對其中的風險收益與對等分析作出研究。

Human Dx的Nundy表示，「我認為如果能夠和正確的相關方一起構建技術，同時投入更多努力以實現這個目標，那麼我相信我們將徹底改變未來。實際上，我們正在努力塑造新的未來。」

雖然有時候我們會對AI主導下的機器人方案引入醫學領域感到擔憂，但人類正在進行探索，並最終推動這種變化。我們將決定應該在哪裡使用AI技術，又該在哪裡繼續沿用傳統解決方法——而不是一味試圖預測未來20年醫生將以怎樣的方式進行診療。醫生完全可以利用人工智慧作為工具，著手建立自己預期中的未來——對他們自身以及病患都更加美好的未來。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！