近年来，AI在医疗诊断中的应用越来越受到关注，也出现了一些实际的应用场景，比如药物筛选和人工智能诊断。但似乎很难实现正确的AI医疗诊断。原因是什么？本文探讨并总结了人工智能医疗诊断的一些独到见解。人工智能与医疗融合作为近年来兴起的新兴领域，具有巨大的发展潜力。用于医疗保健的人工智能算法不断涌现。在看到该领域前景的同时，我们也发现了一些问题。例如，为了协助医生筛查潜在的COVID-19患者，AI领域的研究人员开发了机器学习算法，可以根据胸部X光片和CT图像快速准确地检测和预测COVID-19。然而，剑桥大学的一项研究发现，这些算法存在严重的算法缺陷和偏差，阻碍了它们在实际临床应用中的应用。事实上，致力于AI与医疗融合的研究者不在少数，也有不少项目投入其中，但该领域还存在一些实际问题。Reddit上最近的一篇帖子将AI医疗保健与AlphaZero进行了比较，引发了很多关于AI医疗保健问题的讨论。数据集小、需要认证、容错成本高……有网友从数据集规模、人机交互、认证、容错成本四个方面对DeepMind的AlphaZero进行了比较，指出现有的人工智能医疗诊断系统有一些基本问题。首先，医学数据集一般不会太大，这是医生标注成本高造成的。此外，医疗过程非常缓慢。例如，MRI机器每小时最多只能执行两次扫描，每天最多扫描48次，每年扫描不到20,000次。如果有20种疾病，则每种疾病只能摊销1000次扫描。如果你想从多家医院收集数据，每个医院的过程可能需要几个月的时间，研究人员没有太多时间来填写不同的表格。相比之下，AlphaZero的数据收集要容易得多。它只需要玩游戏，每小时可以产生数百万的数据。其他用户同意这一点。Ta曾经看到一个MRI数据集，首先由3位医生注释，然后由领域专家重新检查，这个过程花费了很多时间。二是人机交互。至少在可预见的未来，医疗诊断系统将需要人类医生的参与。因此，除了做出预测之外，医疗诊断系统还应该输出置信度、其他可能的结果以及任何有用的辅助信息。如何正确处理这些在很大程度上仍然是一个未解决的问题。而AlphaZero只需要输出一个单一的动作。再次，认证。您需要向政策制定者或医疗许可委员会“证明”医疗诊断系统有效。目前，解释神经网络仍然是一个悬而未决的问题，甚至有人质疑是否可以解释。AlphaZero不需要任何批准，只需将其部署在游戏服务器上或与人类玩家一起测试即可。最后，容错成本。如果医疗诊断系统出现问题，开发商可能面临数百万美元的索赔。因此，您必须确保系统正常运行。AlphaZero在围棋比赛中输了，太糟糕了，仅此而已。医学诊断不是“一锤子买卖”。除了数据集规模、医疗证明、容错成本等宏观问题外，有网友还提到了另一个问题。不同病情的患者在诊断图像上可能表现出完全相同的症状，因此医疗诊断系统有时可能会做出误判。此外，不同的机器或不同的成像设备生成的图像的分布有时会有很大差异，在一台机器上运行良好的算法可能在另一台机器上根本不起作用。可解释性也是一个问题。即使你的算法给出了正确的医疗结果，医生也会经常询问算法是如何得出结论的。事实上，诊断是一个极其困难的AI或ML问题。患者的病情远不止一种，会出现不同的症状。因此，医疗诊断系统除了初步诊断外，还需要为进一步诊断、治疗方案、预后判断和健康排班提供智能支持。作为与健康和安全密切相关的领域，人工智能医疗的可靠性是重中之重，但往往被忽视。即使是病理样本的分析也常常具有一定程度的不确定性。简单地标记图像会引入各种偏差。即使多个专家达成共识，结果也是一样的，这会导致成本成倍增加。医疗保健领域的问题很复杂，人工智能目前更适用于日常生活，而不是提供明确的医学诊断和预测。一位医生网友表示：“AI医学领域发表的大部分论文完全没有用，但这些研究提供了很多可能性。未来几年，这个领域的炒作泡沫会破灭，相关法规会提高门槛“在临床实践中引入人工智能工具。目前，部分产品已获得欧盟或FDA的支持，但尚无临床支持。”看来，AI要真正应用于医疗Walk，还有很长的路要走。参考链接：https://www.reddit.com/r/MachineLearning/comments/mkol81/why_are_correct_ai_medical_diagnoses_seemingly_so/》】点此阅读作者更多好文
