search
尋找貓咪~QQ 地點 桃園市桃園區 Taoyuan , Taoyuan

【醫藥妙趣】人工智慧會取代醫生嗎?

這個問題有兩種答案:

看好人工智慧的人會說YES,因為用不了幾年人工智慧真的會取代那些平庸的醫生,取代那些Below average(低於平均水平)的醫生,但是暫時不會取代那些Above average(高於平均水平)的醫生。

不看好人工智慧的保守醫生會說NO,TA真的是發自內心的、天真地以為人工智慧不會取代任何醫生。其實未來最需要AI的是Below average的醫生,也是最不理解和最不接受人工智慧的人。

最近,人工智慧很火,不僅僅是在投資界很火,在學術界也很火。

好的人工智慧公司很容易融到錢,連不咋地的人工智慧公司也拿到錢了,這也難怪一些臨床醫生說有些AI項目純粹是圈錢和燒錢,將來肯定進不了臨床。

但是,好的AI項目還是挺靠譜的,最近《自然》雜誌連續發了好幾篇人工智慧完勝各個學科醫生的文章。

看看這些奪人眼球的文章題目,你就會明白了。

「人類完敗……診斷乳腺癌,30小時病理分析竟不如谷歌AI準確」

近日,來自谷歌、谷歌大腦與Verily公司的科學家,開發出了一款能用來診斷乳腺癌的人工智慧,它的表現甚至超過了專業的病理學家。

內行人都知道,病理診斷的準確性嚴重依賴於病理醫生的水平,即便是對於同一名病人,不同病理學家給出的診斷也往往會有很大不同:一篇2015年的論文發現,不同病理學家對乳腺癌診斷的一致率只有75.3%。在某些不典型的乳腺癌中,診斷的一致率竟下降到了48%,不足一半。

看了這種現狀你害怕不?而且在我們還缺很多很多的病理科醫生。

病理科醫生必須經過數年甚至十幾年的訓練才能掌握足夠的經驗,成為一名合格的病理學家,要成為優秀的病理學家更是難上加難,在醫療資源不足的地區,想要得到診斷,都是一種奢望。

為了解決病理診斷的瓶頸,谷歌和Verily的科學家們做了一個嘗試。他們將單張病理切片的圖像分割成了數萬至數十萬個128x128像素的小區域,每個小區域內可能含有數個腫瘤細胞。隨後,他們提供了許多腫瘤組織與正常組織的病理切片,供人工智慧學習。最終,這款人工智慧掌握了一項像素級的技巧——它能分辨出單個小區域內被標註為「腫瘤」的像素,從而將整個小區域標註為「腫瘤區」,從而有效地將腫瘤組織與健康組織區分開來。

學習完畢后,這款人工智慧迎來了實戰。科學家們邀請了一位病理學家,並讓他與人工智慧進行一場比賽。這名病理學家花了整整30個小時,仔細分析了130張切片,並給出了他的診斷結果。在隨後基於靈敏度(找到了多少正確的腫瘤)和假陽性(將多少正常組織診斷為腫瘤)的評分中,這名病理學家的準確率為73.3%。人工智慧交出的答卷是88.5%,完勝人類。

「FDA首次批准了一款心臟核磁共振影像AI分析軟體」

2017年1月10日,美國FDA首次批准了一款心臟核磁共振影像人工智慧分析軟體Cardio DL,這款軟體將深度學慣用於醫學圖像分析,並為傳統的心臟MRI掃描影像數據,提供自動心室分割分析,這一步驟與傳統上放射科醫生需要手動完成的結果一樣精準。

這一基於深度學習的人工智慧醫學影像分析系統,已經進行了數以千計的心臟案例的數據驗證,該演算法產生的結果與經驗豐富的臨床醫生分析結果不相上下。

據悉,這款人工智慧心臟MRI醫學影像分析系統,不但得到了FDA 510(k)的批准,還得到了歐洲的CE認證和批准,這標誌著該軟體將被允許應用於臨床。

《自然》重磅:AI在兒童自閉症早期診斷上完勝醫生!

近期,在北卡羅來納大學(UNC)教堂山分校精神病學家Heather Hazlett的帶領下,人工智慧在疾病診斷領域又下一城。她們開發的深度學習演算法,在預測2歲前的自閉症高危兒童(有個自閉症哥哥或者姐姐)是否會在2歲之後被診斷為自閉症上,以88%的準確度遠超準確度只有50%的傳統行為問卷調查法(Charman, 2014)。

人工智慧在疾病診斷領域再次戰勝人類。

「AI機器人,學完2186張肺癌圖譜,完勝病理學家」

2016年8月16日,《自然·通訊》發表了一份斯坦福大學醫學院研究人員的研究:計算機可被培訓在評估肺癌組織切片時,比病理學家更精確。

研究人員使用了從腺癌、鱗狀細胞癌患者獲得肺癌基因圖譜的2186張圖像。資料庫還包含了每例腫瘤的級別、期別以及每例患者在診斷後的存活時間信息。

然後,研究人員使用這些圖像來訓練計算機軟體程序,以確定更多肉眼所不能觀察到的癌症特異性特徵——近10000種個性特質vs幾百種病理學家通常使用的評估特徵。這些特徵不僅包括了腫瘤細胞的大小及形狀,也包括了細胞核的形狀與質地以及與相鄰腫瘤細胞的空間關係。

斯坦福大學遺傳學教授Snyder博士說:「事後看來,一切都在情理之中。計算機能夠比人類更加準確、快速地在數以千計的樣本中,多次評估甚至是微小的差異。」

「AI再登Nature封面:診斷皮膚癌,準確度堪比專家」

2月2日,斯坦福大學研究人員採用深度卷積神經網路,通過大量訓練發展出模式識別的AI系統,使計算機學會分析圖片並診斷疾病。

訓練計算機的資料庫由129450張皮膚病變圖片和對應的文字描述組成,涵蓋了2032種皮膚病。而診斷的「參考答案」則由皮膚病專家提供,他們依靠的是非侵入性圖像分析和組織活檢。

之後,計算機迎來了「畢業考試」。研究者向受訓的計算機和21名執業醫師分別提供了一批訓練數據集中,沒有出現過皮膚病變的圖片,這些圖片都由組織活檢確定了對應的病症。診斷比賽的結果是計算機的準確率和人類醫生差不多,有時候還勝過人類醫生。

人工智慧會如何取代醫生?

人工智慧不是萬能的,但是它的確會在某些學科和領域超過人類的能力,取代醫生的工作甚至是完全取代醫生。

如果用於診斷疾病,判斷預后的數據或圖像可標準化、量化、結構化的話,基本上可用人工智慧來完成。在確立演算法后,可讓機器不斷地學習和積累,逐步完善,最終戰勝人類。

從目前的應用來看,人工智慧應用比較好的領域是皮膚科、病理科和影像科。

皮膚科在台灣和一些歐美國家,都是醫學院學生在畢業的時候最喜歡選擇的科室,因為工作相對輕鬆,收入頗豐,而且還不用值夜班。它也是在線問診收入最高的科室。

很遺憾,人工智慧要來了,而且很有可能會取代很多人的工作,假以時日,皮膚科的人工智慧醫生將會取代很多人的工作。

目前,最缺的醫生是病理科,很遺憾,屆時病理科和影像科醫生的工作也有可能被人工智慧搶走,而且它們的水平將會高於大多數普通醫生。

再看看我從事的婦產科,有很多常規工作將來都可以用人工智慧來完成,根本不需要那麼多的醫生了。

宮頸癌的篩查:醫生收集宮頸脫落細胞以後,機器可以自動製片,自動判別是否有癌細胞。在宮頸細胞良惡性方面,至少80-90%的病理醫生的工作可以被人工智慧取代。

產科超聲:在胎兒畸形的篩查與診斷方面,北美的普遍做法是由一般的Sonographer超聲技師來按照標準的切面截圖保留,然後由MFM母胎醫學專家審讀、寫報告。理論上講,這些超聲截面圖的審讀是可以由人工智慧來完成的,原理類似於人工智慧對CT和MRI片子的解讀和判斷。

胎心監護:胎心監護結果的解讀和判斷也完全可以由人工智慧完成。

機器比人可靠,更精準,而且它還不會疲勞,隨著演算法的不斷進步和數據的不斷積累,人工智慧的水平會越來越高,會從現在的幫助人類做判斷,演變到代替人類做判斷。

這個趨勢是不可逆的,也不可抵擋,FDA也擋不住。將來會有一個Breaking Point引爆點,過了這個引爆點以後,會出現醫生常規工作量斷崖式的下跌。

未來的情景將會是:Above average的醫生由AI做助理,Below average的醫生是做AI的助理。

當然,那些非標準化、充滿不確定性以及人工操作的臨床工作,還是人工智慧無法替代的。

◆聲明:本平台部分文章、圖片和信息系來源於互聯網,轉載僅供傳遞信息或供個人學習、交流,並非贊同其觀點和對其內容真實性負責。轉載文版權內容歸原作者及原出處所有,如轉載稿涉及版權問題,請立即聯繫我們,以便及時更改或刪除。本平台擁有對此聲明的最終解釋權。

◆網文投稿、合作、意見或建議請致電023-89809901或023-68586827;也可在窗口直接在線諮詢,有專人回復



熱門推薦

本文由 yidianzixun 提供 原文連結

寵物協尋 相信 終究能找到回家的路
寫了7763篇文章,獲得2次喜歡
留言回覆
回覆
精彩推薦