林之森
根據(jù)美國醫(yī)學(xué)會統(tǒng)計,在美國每10個醫(yī)學(xué)診斷中就有1個是誤診。在初診中,每20個就存在1個誤診。單在美國,誤診造成的不必要死亡每年就多達8萬人。
這些令人擔(dān)憂的數(shù)字,源于診斷本身的復(fù)雜性,包括從患者那里得來的信息不夠全面,轉(zhuǎn)院治療時信息對接不及時,醫(yī)生因過度勞累、病人太多而造成的判斷上的偏差等。這些人為失誤,如果換成機器,就能避免。
這個夢想并不遙遠。在國外,已經(jīng)有很多AI診斷APP可用,并可能不久將在國家醫(yī)療保健體系中推廣開來。但問題來了:健康是關(guān)乎人命的大事,我們能放心地交給機器來處理嗎?醫(yī)療AI值得我們信任嗎?
幾十年來,研究人員一直在增強AI的本領(lǐng),包括讓它擁有深度學(xué)習(xí)能力等:通過利用病歷數(shù)據(jù)庫中的海量數(shù)據(jù)來訓(xùn)練它,讓它學(xué)習(xí)診斷各種疾病,之后你只要按一下鍵,差不多就能獲得比人類醫(yī)生更準(zhǔn)確的診斷書。
美國斯坦福大學(xué)的科學(xué)家用 10萬多張皮膚病(從皮膚癌到蚊蟲叮咬)的圖片訓(xùn)練了一個能深度學(xué)習(xí)的AI系統(tǒng),之后用1 4萬張新圖片對它進行測試。測試結(jié)果是,它對皮膚上黑色素瘤的診斷正確率,比經(jīng)驗豐富的皮膚科醫(yī)生還高。此外,目前能深度學(xué)習(xí)的AI,在診斷由糖尿病引起的視網(wǎng)膜病變、眼血管并發(fā)癥等癥狀上,也比一般的醫(yī)生高明。其他的AI工具在從電鏡掃描中識別出癌癥,或從一般的健康數(shù)據(jù)中預(yù)測患心臟病的概率等方面,也已經(jīng)大顯身手。
但是,它們除了能避免人類醫(yī)生那些明顯的低級錯誤之外,到底比人高明在哪里?
這可不是一個容易回答的問題。因為AI系統(tǒng)在深度學(xué)習(xí)中會形成自己的一套判斷規(guī)則,而這些規(guī)則到底是什么,哪怕是對于開發(fā)人員,都是一個“黑箱子”,誰也不知道。這就有理由讓人為此感到不安了。
當(dāng)然,要是深究起來,這種情況人類醫(yī)生也難避免。
“他畢竟是人嘛,而我們現(xiàn)在面對的是機器。”你大概會說。但也許只是一個習(xí)慣的問題。如果A1“醫(yī)生”的診斷正確率非常高,甚至要好于人類醫(yī)生,這種不安感或許就會減輕,甚至消失。
醫(yī)學(xué)AI系統(tǒng)的出現(xiàn),甚至可能重新定義“訓(xùn)練一名合格醫(yī)生”的含義。未來的醫(yī)學(xué)教育將包括讓學(xué)生學(xué)習(xí)數(shù)據(jù)科學(xué),把他們從死記硬背中解放出來,集中到學(xué)習(xí)如何解決問題、培養(yǎng)批判性思維上。
它還可以讓家庭醫(yī)生不出辦公室,就能以專家級的精湛醫(yī)術(shù),為患者提供服務(wù)——只有萬不得已時,才把病人交給醫(yī)院和專家。這意味著,不必把一個病人的治療和護理,輪番交給好多家醫(yī)院的醫(yī)生來完成。這對于醫(yī)生和病人都是一件好事。
當(dāng)然,在這種情況下,病人的隱私怎么保護?醫(yī)療事故誰來負責(zé)?這些問題還亟待立法去解決。
待到醫(yī)療AI成熟之后,皮膚科、放射科和病理科等主要涉及重復(fù)審查圖像的醫(yī)學(xué)部門,很多人工可能會被它取代。
那么,人類醫(yī)生會不會最終被醫(yī)療AI完全取代呢?
應(yīng)該說是不會的。AI可以增強臨床醫(yī)生的能力,但不可能做人所能做的一切。首先,人們常說,醫(yī)生的職責(zé)是“有時去治療,常常去幫助,總是去安慰”。醫(yī)生對病人的人性化關(guān)懷是治療和護理必不可少的一部分,這是不能用機器取代的。其次,當(dāng)醫(yī)療變得復(fù)雜的時候,需要人做出決定,AI無論多么復(fù)雜,都不能代替人做決斷。