15年经验儿科医生不如AI？AI医疗助理将更好辅助人类医生诊断

培训医生需要在大学和医院进行多年的艰苦工作。而打造AI医生可能就像教授AI如何阅读一样简单。

人工智能朝着成为21世纪医学不可或缺的一部分又迈进了一步。一项新研究于2月11日发表在《自然医学快报》上，证明了一种自然语言处理的人工智能，在诊断常见的儿童疾病方面表现优于新手儿科医生。

这项大规模研究检查了广州妇幼医疗中心在18个月内收集的近60万名患者的电子健康记录(EHR)，然后将AI诊断的诊断与具有丰富经验的医生的新评估进行了比较。

结果?平均而言，AI明显比初级医生更准确，几乎和资深医生一样可靠。这些结果是最新的例证，表明人工智能即将成为全球范围内的一种主要医疗保健手段。

不像电脑，更像人

为了超越人类医生，人工智能首先必须变得更加人性化。与IBM的Watson一样，儿科AI利用自然语言处理，本质上是在“阅读”EHR的书书面记录，就像人类医生查看这些记录一样。但与人类医生的相似之处并不止于此。 AI是一种机器学习分类器(MLC)，能够将从EHR中学到的信息分类，以提高效率。

与传统训练的儿科医生一样，AI将病例分解为主要器官组和感染区域(上/下呼吸道，胃肠道等)，然后再将其进一步细分。然后它可以发展各种症状和器官组之间的关联，并使用这些关联来改善其诊断。这种分层的方法模仿了人类医生使用的演绎推理。

为这项研究开发的人工智能的另一个关键优势是它所收集的庞大数据集:来自567,498名患者的1,362,559次门诊访问，产生了约1.016亿个数据点，供MLC获得儿科方面优势。这使得人工智能能够深入学习，从不同器官组和子类别的55种不同诊断代码中进行区分和准确选择。

在与人类医生进行比较时，该研究使用了来自一组无关儿童的11,926条记录，给出了MLC和20个人一个公平的比赛场地进行比较。结果很清楚：虽然资深儿科医生团队的表现优于人工智能，但人工智能的表现远远超过初级儿科医生(有3至15年经验的儿科医生)。

帮助，而不是替代

虽然该研究使用竞争分析来衡量人工智能的成功，但结果应被视为对人类医生不利的事情。在不久的将来，人工智能在医学领域的应用将会使这些机器学习程序增强而不是取代人类医生。该研究的作者特别指出增强作为其工作的关键短期应用。通过摄入形式对入院患者进行分类，使用EHR进行大规模转移，提供快速“第二意见” - 对于医疗保健行业本身而言更好，但不是最好的，这些应用程序和医疗行业本身一样千差万别。

这只是考虑人工智能如何在实施后立即产生积极影响。很容易看出诊断助理的长期使用如何重塑现代医疗机构的工作方式。

看看MLC结果如何在初级和资深医师组之间紧密配合。基本上，医生花了将近15年的时间才能匹配机器的相应能力。在15年的时间里，人工智能诊断助理将是一个宝贵的合作伙伴——既是一种培训工具，也是一种安全措施。同样，在经验曲线的另一侧，你可以让医生不断利用其绩效来提高AI的有效性。这显然是一个建立共生关系的机会，人类和机器在各自成熟时互相帮助。

离我们更近，但仍然依赖我们

无论最终应用如何，未来的AI医生都会逐步接近我们。这项最新研究证明，即使在一些最复杂和最重要的决策过程中，人工智能也可以模仿人类演绎推理的结果。确实，MLC需要人类输入功能;初始数据点和用于评估AI的案例都取决于医生编写的EHR。虽然我们尽一切努力设计一个测试模式来消除最终诊断的任何迹象，但必然会发生一些“数据泄漏”。

换句话说，当AI使用人工创建的数据时，他们会在某种程度上继承人类的洞察力。然而，在机器成像，聊天机器人，传感器和其他领域取得的进展都表明，这种对人类投入的依赖更多地取决于我们现在所处的位置，而不是我们在不久的将来可能达到的位置。

数据和更多数据

不久的将来也可能有一些明显的赢家和输家。目前，这些赢家似乎是那些能够捕获并应用最大数据集的机构。随着快速数字化的社会收集大量数据，中国具有明显的优势。结合相对宽松的隐私方法，可能会继续作为机器学习及其应用背后的驱动力之一。 谷歌/ Alphabet也将进行大规模的医学研究。数据是这次AI军备竞赛中的铀，每个人似乎都在忙着收集更多。

在一个似乎越来越意识到由于这种需求和依赖数据而产生的潜在问题的全球社区中，很高兴知道它也会有好处。人工智能医疗助理背后的技术看起来越来越成熟，尽管我们仍在努力寻找确切位置，应该在何时何地以及如何首先普及的这种技术。

然而，无论我们在哪里看到下一步努力使AI成为现实医疗环境中的标准工具，我们应毫不怀疑它将大大改善人类患者的生活。今天，AI医生的表现和一位拥有超过10年经验的人类同行一样。到明年左右，人类的竞争力可能需要两倍的时间。十年后，所有人类历史医学知识的结合可能成为一种工具，就像医生手中的听诊器一样常见。

【来源：前瞻网】