中山大學中山眼科中心近日發(fā)布消息稱，該中心人工智能學科團隊完成醫(yī)療AI(人工智能)醫(yī)生多中心隨機對照研究。研究顯示，AI醫(yī)生在真實臨床門診中準確率較人類醫(yī)生低，但是AI診斷耗時短，表明現(xiàn)階段的醫(yī)療AI可以在臨床上輔助人類醫(yī)生，提高工作效率。

該中心利用深度學習建立了“先天性白內(nèi)障人工智能診斷決策平臺”，把入組的兒童患者隨機分成兩組，分別進入由該平臺接診的人工智能門診和具有5年臨床經(jīng)驗的人類眼科醫(yī)生接診的?？崎T診接受診斷，對比兩組醫(yī)生對先天性白內(nèi)障診斷的準確性。AI醫(yī)生在真實臨床門診中對先天性白內(nèi)障的診斷準確率為87.4%，與試驗訓練階段的準確率98.87%相比有差距，也低于人類?？漆t(yī)生的準確率，表明AI在實驗室試驗的訓練結(jié)果并不能完全代表其真正的診斷能力。這一結(jié)果已經(jīng)發(fā)表在國際權(quán)威醫(yī)學期刊《柳葉刀》子刊E Clinical Medicine最新一期(2019 Mar)上。

這項研究似乎部分驗證了之前的另一個消息，IBM人工智能醫(yī)療部門沃森健康大幅裁員五到六成，其“醫(yī)療AI宣告失敗”。但消息并非完全準確，事實上不只IBM沒有放棄醫(yī)療AI的探索，世界上更多的人工智能公司和醫(yī)學研究機構(gòu)都在聯(lián)手，進一步加強這方面的研究。

不過，中山眼科中心的研究結(jié)果也再次明確了，現(xiàn)階段醫(yī)療AI還不能落地，至多可輔助人類醫(yī)生進行醫(yī)療和研究工作。

從技術(shù)上看，現(xiàn)代醫(yī)療(醫(yī)學)更適合于采用現(xiàn)代技術(shù)，在科學邏輯上也更適應(yīng)和吻合，即循證醫(yī)學?，F(xiàn)代醫(yī)學需要通過隨機雙盲大規(guī)模臨床試驗和病例治療以獲得大數(shù)據(jù)支撐的對疾病治療效果的證據(jù)。這些數(shù)據(jù)又可以通過計算機和AI的算法學習來對有明確病因、病癥的疾病進行診治。此外，現(xiàn)代技術(shù)也日益廣泛而深入地滲透到醫(yī)療領(lǐng)域，如CT電子計算機斷層掃描(CT)、磁共振成像(MRI)、心腦電圖等。

因此，當世界上第一位AI醫(yī)生——沃森醫(yī)生問世之時，人們對其寄予了諸多希望，對其功能和真實效果的解讀也或多或少夸大了。但后來的一系列研究表明，對醫(yī)療AI揠苗助長的心態(tài)不可有，沃森醫(yī)生也會開錯藥。現(xiàn)在，中山眼科中心的研究同樣發(fā)現(xiàn)，醫(yī)療AI在試驗階段的準確度會更高，但在實際診治疾病時正確率會下降。

原因當然是多方面的，不過，人類疾病的發(fā)生、發(fā)展和轉(zhuǎn)歸都有無數(shù)的因素綜合交織在一起，很多疾病機理連人類都還不清楚，更何況AI學習和體驗的。致病因素不僅有生物的，如細菌、病毒、支原體等微生物，還有物理的，如聲光電、溫度和干濕度等，也有化學的，如苯并比、二惡英、各種殺蟲劑、農(nóng)藥等。而無論是生理還是病理的作用，需要在活著的生物體中才能真實發(fā)生，例如很多酶都是需要在有機活體某一范圍的溫度下才有活性，并發(fā)揮作用;有些病毒需要生物體特殊的細胞結(jié)構(gòu)才能入侵人體，如HIV入侵人體T細胞。

現(xiàn)階段除了讓醫(yī)療AI輔助人類醫(yī)生以提高工作效率外，研發(fā)和應(yīng)用應(yīng)當側(cè)重最容易學習也最有效果的一些領(lǐng)域。實踐證明，有大量標注數(shù)據(jù)、規(guī)則清楚、圖像和標志清晰、結(jié)果定義明確的疾病比較適合利用人工智能，如食道癌的診斷。此外，對于單一病種的細分領(lǐng)域，如心電圖的判讀，AI也有較高的準確率。

此外，AI進入醫(yī)療領(lǐng)域，也應(yīng)有社會倫理和法律的制約。正如自動駕駛出現(xiàn)意外誰需要負責一樣，如果AI診治疾病出現(xiàn)誤診誤治誰來負責，是AI?AI的設(shè)計者?抑或是AI的操作者?現(xiàn)在，一些國家已經(jīng)在研究無人駕駛的各種問題，同樣，AI應(yīng)用于醫(yī)療也需要研究相應(yīng)的法律責任和解決之道。解決了倫理和法律問題，在技術(shù)有了突破后，AI才能真正應(yīng)用于各種領(lǐng)域。(張?zhí)锟?