在未來的一些年里，你可能會第一次與醫(yī)學(xué)人工智能（AI）系統(tǒng)進(jìn)行互動，能夠自動駕駛汽車、家庭語音助手以及自我標(biāo)簽的圖片庫的相同技術(shù)如今在衛(wèi)生保健領(lǐng)域取得了快速的發(fā)展，而首個醫(yī)學(xué)人工智能系統(tǒng)（AI）如今已經(jīng)開始轉(zhuǎn)向臨床應(yīng)用了。
試想一下我們能夠同醫(yī)學(xué)人工智能進(jìn)行互動，而且該技術(shù)的益處以及我們所面對的挑戰(zhàn)或許都會為我們與非人類的醫(yī)療健康工作者的接觸互動做好準(zhǔn)備。
人工智能如何診斷疾?。?/strong>
這些進(jìn)步背后的技術(shù)就是名為深度學(xué)習(xí)的計算機(jī)科學(xué)的一個分支，深度學(xué)習(xí)是一種非常簡潔的過程，其能夠從模板中進(jìn)行學(xué)習(xí)來幫助理解數(shù)據(jù)的復(fù)雜形式，并不像此前幾代人工智能，新型的人工智能系統(tǒng)能夠通過視覺、聲音和文字，像人類一樣感知這個世界。
大多數(shù)人認(rèn)為這些技能是理所當(dāng)然的，實際上其在人類的專業(yè)領(lǐng)域中扮演著非常重要的角色，比如醫(yī)學(xué)等，由于深度學(xué)習(xí)能夠賦予計算機(jī)這些能力，而很多醫(yī)學(xué)任務(wù)如今都能夠被人工智能所解決。在過去12個月里，研究人員通過研究發(fā)現(xiàn)，計算機(jī)系統(tǒng)至少能夠和人類醫(yī)生一樣，診斷糖尿病性眼疾病、皮膚癌以及心率失常等疾病，這些例子就闡述了患者未來與醫(yī)學(xué)人工智能互動的三種方式。
首先第一種方式是最傳統(tǒng)的，并且會發(fā)生在需要利用專業(yè)設(shè)備進(jìn)行診斷的地方，你可能會預(yù)約一個測試，在診所進(jìn)行并且接受一份報告，而這份報告也會由計算機(jī)所撰寫，而患者的經(jīng)歷將不會被改變。谷歌的糖尿病性眼疾病人工智能系統(tǒng)就是這種方法的一個典型例子，其能夠被訓(xùn)練去識別糖尿病控制不佳患者眼睛背后所出現(xiàn)的脆性泄露血管，而且這種人工智能系統(tǒng)目前正在一些印度醫(yī)院中被真正的病人所使用。
第二種與醫(yī)學(xué)人工智能系統(tǒng)互動的方法或許具有一定的顛覆性，因為很多診斷任務(wù)根本不需要任何特殊的設(shè)備，斯坦福的研究人員開發(fā)樂一種皮膚癌檢測器，其能夠同皮膚科醫(yī)生一樣準(zhǔn)確診斷皮膚癌，目前研究人員開發(fā)出了手機(jī)app以供使用。
不久以后，人們或許能夠?qū)崿F(xiàn)對自身的皮膚損傷進(jìn)行自拍，而且能夠現(xiàn)場分析皮膚損傷點，這種人工智能系統(tǒng)正在引領(lǐng)科學(xué)家們開發(fā)首個app來對人們的健康進(jìn)行評估，同時并不需要人類醫(yī)生介入。
第三種互動方式介于上述兩者之間，當(dāng)需要利用心電圖來進(jìn)行心律檢測時，這些傳感器常常會被整合到廉價的可穿戴技術(shù)中，同時還會同手機(jī)進(jìn)行連接，患者通常需要戴上監(jiān)護(hù)儀，記錄每天的心跳，偶爾需要讓醫(yī)生看看他們的監(jiān)測結(jié)果，如果發(fā)生嚴(yán)重事件，而且患者的心率突然發(fā)生改變，那么患者和醫(yī)生就需要立即注意了。
很多研究小組目前都正在努力將可穿戴的醫(yī)療設(shè)備推向到診所中。
人工智能系統(tǒng)的好處是什么？
這些系統(tǒng)的運行成本非常低，每次診斷的費用僅為一小部分，而且并沒有預(yù)約名單，人工智能系統(tǒng)從不疲倦、生病或需要睡覺，其可以通過互聯(lián)網(wǎng)連接到任何地方；醫(yī)療人工智能能夠為每個人提供可獲得且可負(fù)擔(dān)的醫(yī)療服務(wù)。
人工智能系統(tǒng)有什么缺點？
目前人們最關(guān)注的可能是一些不切實際的期待，即圍繞該技術(shù)的炒作而衍生的東西，為了培訓(xùn)一個系統(tǒng)需要大量精心設(shè)計且昂貴的數(shù)據(jù)，而醫(yī)生能做的每一項都遠(yuǎn)遠(yuǎn)超出了該范圍，相反我們也能夠看到狹窄的系統(tǒng)能夠執(zhí)行未來可預(yù)見的單一任務(wù)，為了應(yīng)對這些膨脹的預(yù)期結(jié)果，我們就需要在這些討論中促進(jìn)信息互動的聲音。
醫(yī)療數(shù)據(jù)的隱私也是研究人員所面對的一種挑戰(zhàn)，很多系統(tǒng)不僅是在云端運行的，而且有些形式的有用醫(yī)學(xué)數(shù)據(jù)在本質(zhì)上是可以識別的，比如在該系統(tǒng)分析面部特征用來診斷疾病跡象時，我們并不可能模糊病人的臉部特征，而數(shù)據(jù)泄露或許是不可避免的，而且會損傷到人工智能系統(tǒng)的可靠性。
另外一個主要方面就是責(zé)任的問題，如果沒有醫(yī)生參與疾病診斷的話，誰應(yīng)該對醫(yī)學(xué)錯誤負(fù)責(zé)呢？而且我們甚至無法知道系統(tǒng)為何會出錯？當(dāng)醫(yī)生接受人工智能錯誤的建議時誰又該負(fù)責(zé)呢？患者權(quán)益倡導(dǎo)者，醫(yī)生，政府和保險公司正在努力解決這個問題，但目前他們還并沒有很好的答案。
醫(yī)療人工智能時代即將到來，我們也將與人工智能系統(tǒng)進(jìn)行互動，大部分工作都是看不見的，這就大大降低了患者治療的費用，同時也會提高治療有效性；或許有些會在手臂上進(jìn)行，通過一個簡單的按鈕來評估機(jī)體健康，如今我們所要做的最好的事情就是思考如何應(yīng)對各種各樣的挑戰(zhàn)，同時為第一次與人工智能的“約會”做好準(zhǔn)備。
