1
| 智能醫療可幫助醫生減少誤診率
東京醫科大學附屬醫院的病房里躺著一位六十多歲阿姨。她身患癌癥，在此接受治療已長達數月，病情卻無絲毫好轉。這讓醫生們感到有點手足無措。
情急之下，醫療團隊想到可以借助 IBM 公司的沃森智能程序幫忙——這是一臺曾在智力問答節目《危險境地》中打敗人類冠軍的超級計算機。醫生們把患者的病癥信息輸入到沃森中，并在腫瘤數據庫中進行搜索，結果發現，這是一種罕見的繼發性白血病。醫療團隊據此改換了治療方案。沒過多久，那位患者就病愈出院了。
一位醫生告訴日本時報的記者，沃森幾分鐘就能搞定的事，換醫生去診斷，得花上幾周。“要說是人工智能救了那位患者的命，可能有點夸張，但它確實一下子就給出了我們想要的數據。”
這就是智能醫療未來的樣子嗎？讓我們來看看，研究人員夢寐以求的人工智能機器能做什么：
能診斷人體健康狀況
向醫生建議治療方案
甚至能預測出病人的健康狀況會如何改變。
最大的優勢，不是速度快，而是準確率高。
今年早些時候發布的一份研究結果發現，醫療事故為美國第三大致死原因。其中，相當一部分人死于誤診。
Herbert Chase 在位于紐約的哥倫比亞大學生物醫學信息學院工作。他表示：
人們的健康狀況太多樣化了，論文也更新地非常快，一個初級護理醫師很難把它們全都記下來。
我們設計的機器已經能做醫生力所不能及之事，一臺機器可以診斷出幾十種醫生無法診斷出的病情。
Chase 曾提議建立一個 IBM 沃森小組。現在，他在設計一種算法，可從醫生的筆記中找到可能會發展為多功能硬化癥的蛛絲馬跡，最終建立一個程序，計算出每個人會有多大風險患上多功能硬化癥。他設想，未來的軟件可以自動分析每個人的電子健康數據，以此發出警告或提供建議。
“機器給出建議，人們參考建議做出行動，這是一種合作伙伴的關系。”但是鑒于人類疾病種類太過龐雜，“算法需要一步步地建立起來。”
| 其他成果與現存問題
近日，來自斯坦福大學的研究小組公布了一種新的機器學習算法，可用來檢查感染了癌癥細胞的肺部組織幻燈片。運用該技術，計算機可顯示出每張幻燈片的個體特征，如細胞大小，形狀，結構等等。它還可以從樣本中區分出一個人經過醫療診斷后的存活時間長短——是短短幾個月，還是更久。通過測試歷史數據，該算法被證實確有成果。所以，從原則上講，人工智能已可以應用于診斷人體健康狀況。
而在眾多醫療人工智能工具中，幻燈片閱讀器僅是其中之一。
上周，機器學習及醫療保健會議在洛杉磯舉行。會議中，研究人員向人們展示了新型算法：可以檢測癲癇、預知腎病和心臟病的發展狀況、發現孕婦和新生兒的異常身體狀況。在一個編程比拼中，與會者用自己設計的人工智能來聽心跳頻率，以區分正常節奏和異常節奏。
不過，其他醫療診斷項目使用的信息資源卻較為模糊和間接：
微軟7月份發布新算法，通過網頁搜索來推測誰患有胰腺癌。
谷歌旗下的Deepmind公司大量使用英國國家衛生署的匿名數據，設計新型人工智能，以更快解決嚴峻的眼疾問題。不過，該項目又引發一個新的問題——商業公司購買健康數據的價格是不是太低了。
雖然人工智能診斷對醫生有極大幫助，但問題是，醫學專家們愿意使用這個新手段嗎？目前，人們還需要更多證據來證明，計算機預測確能幫助人們改善健康狀況。
有些人擔心，人工智能診斷技術的發展，會使醫生過度診斷，過度試驗，結果會適得其反。即使算法正常運行，如何將其與臨床實踐完美結合的問題依然存在。醫生們工作已經很勞累了，他們不希望人工智能再來加重他們的工作負擔。
| 專家觀點
Chase 認為，人工智能最后應該和電子健康數據記錄結合，這樣向機器尋求治療建議就會和獲取病人相關數據一樣，成為日常工作的一部分了。
“醫生要讓人工智能幫助自己完成任務，就意味著他們必須得承認自己偶爾會犯錯。”
其實，市面上早有可以幫助診斷的app，如Isabel——它可為醫生提供一個聯網清單，在其錄入癥狀和檢驗結果后，作出準確診斷，防止醫生忽略可能存在的罕見疾病，造成誤診。但 Chase 表示，這種方法尚未普及。原因是：只有不給醫生造成任何時間壓力，人工智能才能在此領域大獲成功。
Leo Anthony Celi 是貝斯以色列女執事醫療中心特護病房的的醫生。他說，人工智能大范圍應用于醫療領域，還存在一定的社會阻力。有了人工智能的幫忙，醫生將更像一名“船長”。大部分日常工作，要么讓機器完成，要么交給訓練有素的護士、醫療電子或醫師助手。想達到這樣的工作方式，醫生首先要退一步，承認機器在某些領域確實比人做得好。這很困難。因為無論是醫學院教授還是患者，每個人都希望醫生總是給出一個最正確的回答。
Celi表示，人們的觀念需要轉變，應該更尊重大數據和人工智能在醫療領域潛力。只有如此，機器和人類才能發揮所長，各盡其能。
“醫生和病人的交流能力是無可取代的。醫生應更專注于他們能精益求進的事，比如，和患者多溝通，引導他們說出自己的價值觀和預設醫療指示。至于復雜決策，就交給機器來做，這方面我們真的不擅長。”
via new scientist
推薦閱讀：
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
