美國(guó)《新聞周刊》網(wǎng)站2月4日刊登題為《人工智能可能會(huì)在數(shù)十年內(nèi)解開人體的秘密》的文章,作者是亞歷克斯·菲利普斯,內(nèi)容編譯如下:
一位醫(yī)生(同時(shí)也是一本關(guān)于新興技術(shù)在醫(yī)療領(lǐng)域應(yīng)用的新書的作者)說,人工智能(AI)可能會(huì)比任何人類都能探索更多元的數(shù)據(jù),從而在幾十年內(nèi)解開我們身體的秘密并且準(zhǔn)確診斷疾病。
羅納德·拉姆齊在接受記者采訪時(shí)說,雖然人工智能已經(jīng)表明在臨床環(huán)境下具有實(shí)用價(jià)值,但目前使用的模型在復(fù)雜程度和范圍上都很有限。最終,“多模式”深度學(xué)習(xí)算法將能夠了解患者的多方面醫(yī)療數(shù)據(jù),并預(yù)測(cè)他們可能存在的問題。
他說:“人工智能發(fā)揮最大影響的領(lǐng)域,將是分析我們身體的秘密以及體內(nèi)基因與微生物組之間的復(fù)雜關(guān)系、我們的大腦中正在發(fā)生什么。”
大量范例
首先要克服一些障礙,包括缺乏足夠的數(shù)據(jù)來訓(xùn)練人工智能模型、安全方面的擔(dān)憂以及兩方面的猶豫態(tài)度。
拉姆齊的論著《人工智能醫(yī)生:人工智能在醫(yī)療領(lǐng)域的興起》中收錄的研究顯示,目前,在醫(yī)療環(huán)境下使用人工智能通常僅限于在特定醫(yī)學(xué)領(lǐng)域執(zhí)行小范圍的任務(wù)——但它們還是有用的。
在放射學(xué)方面,人工智能模型可以審查掃描結(jié)果,并識(shí)別可能遺漏的腫瘤或骨折。在拉姆齊擅長(zhǎng)的心臟病學(xué)方面,一家公司開發(fā)了基于手機(jī)的算法,利用智能手表來監(jiān)測(cè)佩戴者的心律,希望利用這種算法來確定患者何時(shí)可能會(huì)出現(xiàn)心臟驟停。
目前取得這些進(jìn)步是因?yàn)樗惴ㄖ恍枰治鲆环N類型的數(shù)據(jù),而且可以利用已經(jīng)廣泛數(shù)字化的數(shù)據(jù)進(jìn)行訓(xùn)練。拉姆齊說,X光射線圖像“幾十年前”就被掃描到計(jì)算機(jī)上,這為用于在CT掃描中發(fā)現(xiàn)問題的人工智能程序,提供了可供在投入使用前學(xué)習(xí)的大量范例。
但拉姆齊說,相較于幾十年后可能出現(xiàn)的人工智能產(chǎn)品,回過頭看當(dāng)前的產(chǎn)品將會(huì)像是醫(yī)療的“石器時(shí)代”。
他說:“想想看,人類已經(jīng)在地球上生活了30萬(wàn)年。一百年前,我們還沒有抗生素和麻醉藥物。我是一名心臟病學(xué)家。1970年,如果你犯了心臟病,死于心臟病的概率在30%左右;而如今,還不到5%。”
他還說:“所以,過去100年里發(fā)生的事情令人震驚:預(yù)期壽命從35歲左右增加到了80多歲……我們?nèi)〉昧司薮筮M(jìn)步,但我們?nèi)匀徊灰欢靼?hellip;…掌握我們生命密碼的基因與身體里的其他一切是如何相互作用的。”
數(shù)據(jù)障礙
拉姆齊預(yù)計(jì),在未來幾年里,深度學(xué)習(xí)人工智能將能夠繪制出我們的基因組和微生物組,并且弄清它們是如何影響我們的發(fā)育和抗病能力的。模型將能夠考慮關(guān)于一名特定患者的廣泛指標(biāo),并且通過對(duì)人類的整體理解,預(yù)測(cè)他們可能面臨或者目前患有的疾病。
拉姆齊在他的書中寫道,“只需向它們解釋新任務(wù)……而無需重新訓(xùn)練”,這些新模型“就能解決以前沒有發(fā)現(xiàn)的問題”,能夠“接受輸入并且用不同的數(shù)據(jù)形式組合產(chǎn)生輸出(比如,它們可以采取圖像、文本、實(shí)驗(yàn)室結(jié)果或者其他組合方式)”。
他說:“我們的頭腦不可能揭開那些關(guān)系。在這個(gè)領(lǐng)域,人工智能不是奢侈品,它將成為一種必需品。因?yàn)樗俏ㄒ荒軌蚝Y選數(shù)十億數(shù)據(jù)和數(shù)萬(wàn)億連接并且弄清關(guān)鍵關(guān)系和關(guān)聯(lián)的技術(shù)。”
拉姆齊說,正在實(shí)施的這些模型面臨的主要障礙之一是,缺乏將為這些預(yù)測(cè)提供信息的有標(biāo)記、結(jié)構(gòu)化和經(jīng)過驗(yàn)證的醫(yī)療數(shù)據(jù),原因是醫(yī)療已經(jīng)落后于其他行業(yè),而在那些行業(yè),數(shù)字化和數(shù)據(jù)集體化方面的安全不那么令人擔(dān)憂。
非結(jié)構(gòu)化和無標(biāo)記的數(shù)據(jù)約占醫(yī)療數(shù)據(jù)的80%,這些數(shù)據(jù)可以分為多個(gè)位置和多種格式(包括紙面格式)。這些訓(xùn)練數(shù)據(jù)中的缺陷可能導(dǎo)致人工智能模型的判斷錯(cuò)誤,而數(shù)據(jù)集偏向于某種人群類型可能意味著它做出的決定會(huì)在無意中傷害另一人群。
他提到一個(gè)例子,他去年在紐約騎自行車發(fā)生事故時(shí),盡管他的本地醫(yī)療中心在同一座城市,卻沒有他住進(jìn)醫(yī)院重癥監(jiān)護(hù)室的記錄。
他補(bǔ)充說:“即便關(guān)于一個(gè)人的數(shù)據(jù)只有一項(xiàng)缺失,也可能會(huì)改變他們的整個(gè)健康狀況。因此,如果你用人工智能算法預(yù)測(cè)他們的健康狀況或者幫助決策,而你缺少一項(xiàng)關(guān)鍵數(shù)據(jù),這就是個(gè)真正的麻煩。”
隱私爭(zhēng)議
但是,提供先進(jìn)人工智能模型所需的數(shù)據(jù)也有自己的挑戰(zhàn),尤其是如果一個(gè)人群的完整醫(yī)療記錄保存在一個(gè)易受網(wǎng)絡(luò)攻擊的單一數(shù)據(jù)庫(kù)中,那么醫(yī)療隱私就有被侵犯的風(fēng)險(xiǎn)。據(jù)英國(guó)《獨(dú)立報(bào)》報(bào)道,去年針對(duì)英國(guó)國(guó)民保健署的勒索軟件攻擊攻破了一個(gè)包含110萬(wàn)名患者信息的數(shù)據(jù)庫(kù)。
拉姆齊說,醫(yī)療人工智能服務(wù)提供商還將越來越多地被迫應(yīng)對(duì)不同管轄區(qū)的“監(jiān)管拼湊”,這可能會(huì)使安全要求和數(shù)據(jù)獲取復(fù)雜化。
與此同時(shí),他把目前的醫(yī)療人工智能市場(chǎng)描述為“狂野西部”,美國(guó)食品和藥物管理局提供了審批的“低門檻”,從而加劇了臨床醫(yī)生對(duì)潛在解決方案的懷疑,于是減少了采用。
人工智能已經(jīng)在復(fù)雜程度方面取得了巨大進(jìn)展,促使其他領(lǐng)域的應(yīng)用數(shù)量激增。例如,這篇采訪由人工智能工具轉(zhuǎn)錄而成,但仍然需要人來糾正偶爾出現(xiàn)的錯(cuò)誤。
拉姆齊說,醫(yī)療行業(yè)的采用速度較慢,在一定程度上是因?yàn)閷?duì)患者安全的擔(dān)憂和避免錯(cuò)誤所需的保障,但也是因?yàn)榕R床醫(yī)生對(duì)人工智能持懷疑態(tài)度。
醫(yī)景網(wǎng)2019年對(duì)三大洲的1500名醫(yī)生進(jìn)行的調(diào)查發(fā)現(xiàn),美國(guó)醫(yī)生仍然對(duì)使用人工智能持最懷疑的態(tài)度,近一半的人說,他們對(duì)在專業(yè)環(huán)境下使用人工智能軟件感到別扭。這可能在一定程度上是因?yàn)槿斯ぶ悄軝C(jī)器的回答往往是錯(cuò)誤的卻令人信服。
在醫(yī)療環(huán)境下,這可能關(guān)乎生死,可能會(huì)讓醫(yī)生為錯(cuò)誤承擔(dān)責(zé)任。具有解釋能力的人工智能模型或許可以緩解這種擔(dān)憂:不僅能提供答案,還能描述它們是如何得出這些答案的。
權(quán)衡安全
盡管拉姆齊知道人工智能的“黑匣子”概念,但他認(rèn)為,模型的答案越復(fù)雜,利用的信息越多樣化,解釋模型的答案只會(huì)變得越困難。但他不確定這是否會(huì)成為一個(gè)問題。
他說:“我們今天使用的很多藥物,用了幾十年,它們幫助了數(shù)百萬(wàn)人,我們不知道它們是怎么發(fā)揮作用的。所以,我們必須知道的是,算法如何得出了結(jié)論的整個(gè)想法可能不像檢測(cè)輸出和確保其一致性那么重要。”
后來進(jìn)入醫(yī)療風(fēng)險(xiǎn)投資領(lǐng)域的拉姆齊表示,反過來,醫(yī)生可能擔(dān)心人工智能會(huì)削弱他們的作用。他說:“醫(yī)生是收入最高的專業(yè)人士之一。任何可能威脅到他們的收入和自主權(quán)的東西,從歷史上看,他們已經(jīng)表明,他們非常擅長(zhǎng)確保那些技術(shù)永遠(yuǎn)不被采用。沒有人能強(qiáng)迫醫(yī)生以他們不情愿的方式行醫(yī)。”
但拉姆齊也設(shè)想,即便是最先進(jìn)的人工智能醫(yī)療模型也只能輔助和影響醫(yī)生,永遠(yuǎn)都不太可能把患者的治療完全交給機(jī)器。
他說:“人工智能無法權(quán)衡犯錯(cuò)的成本。一種算法可能關(guān)乎數(shù)百萬(wàn)人而不是一個(gè)人的生命。它可能會(huì)做出錯(cuò)誤的預(yù)測(cè),或者幫助每個(gè)使用該算法的人做出錯(cuò)誤的決定。”
但他說,讓訓(xùn)練有素、配備完善的人工智能模型為醫(yī)生的決策提供信息,好處是縮短了這些決策的時(shí)間,增大了患者康復(fù)和生存的可能性。
人工智能轉(zhuǎn)錄工具可以減少使用者必須花費(fèi)的時(shí)間和精力,但仍然需要一個(gè)人來掌握刪除和保留哪些東西。同樣,拉姆齊希望人工智能醫(yī)療工具能夠幫助醫(yī)生更快和更準(zhǔn)確地做出決定,而不是替他們做決定。
他在書中寫道:“飛行員過去手動(dòng)駕駛飛機(jī),但他們?nèi)缃裨谟?jì)算機(jī)的幫助下操作儀表盤。這提高了飛行的安全性,也改善了航空業(yè)。醫(yī)療可以從同一種方式中獲益。”
美國(guó)《新聞周刊》網(wǎng)站2月4日刊登題為《人工智能可能會(huì)在數(shù)十年內(nèi)解開人體的秘密》的文章,作者是亞歷克斯·菲利普斯,內(nèi)容編譯如下:
一位醫(yī)生(同時(shí)也是一本關(guān)于新興技術(shù)在醫(yī)療領(lǐng)域應(yīng)用的新書的作者)說,人工智能(AI)可能會(huì)比任何人類都能探索更多元的數(shù)據(jù),從而在幾十年內(nèi)解開我們身體的秘密并且準(zhǔn)確診斷疾病。
羅納德·拉姆齊在接受記者采訪時(shí)說,雖然人工智能已經(jīng)表明在臨床環(huán)境下具有實(shí)用價(jià)值,但目前使用的模型在復(fù)雜程度和范圍上都很有限。最終,“多模式”深度學(xué)習(xí)算法將能夠了解患者的多方面醫(yī)療數(shù)據(jù),并預(yù)測(cè)他們可能存在的問題。
他說:“人工智能發(fā)揮最大影響的領(lǐng)域,將是分析我們身體的秘密以及體內(nèi)基因與微生物組之間的復(fù)雜關(guān)系、我們的大腦中正在發(fā)生什么。”
大量范例
首先要克服一些障礙,包括缺乏足夠的數(shù)據(jù)來訓(xùn)練人工智能模型、安全方面的擔(dān)憂以及兩方面的猶豫態(tài)度。
拉姆齊的論著《人工智能醫(yī)生:人工智能在醫(yī)療領(lǐng)域的興起》中收錄的研究顯示,目前,在醫(yī)療環(huán)境下使用人工智能通常僅限于在特定醫(yī)學(xué)領(lǐng)域執(zhí)行小范圍的任務(wù)——但它們還是有用的。
在放射學(xué)方面,人工智能模型可以審查掃描結(jié)果,并識(shí)別可能遺漏的腫瘤或骨折。在拉姆齊擅長(zhǎng)的心臟病學(xué)方面,一家公司開發(fā)了基于手機(jī)的算法,利用智能手表來監(jiān)測(cè)佩戴者的心律,希望利用這種算法來確定患者何時(shí)可能會(huì)出現(xiàn)心臟驟停。
目前取得這些進(jìn)步是因?yàn)樗惴ㄖ恍枰治鲆环N類型的數(shù)據(jù),而且可以利用已經(jīng)廣泛數(shù)字化的數(shù)據(jù)進(jìn)行訓(xùn)練。拉姆齊說,X光射線圖像“幾十年前”就被掃描到計(jì)算機(jī)上,這為用于在CT掃描中發(fā)現(xiàn)問題的人工智能程序,提供了可供在投入使用前學(xué)習(xí)的大量范例。
但拉姆齊說,相較于幾十年后可能出現(xiàn)的人工智能產(chǎn)品,回過頭看當(dāng)前的產(chǎn)品將會(huì)像是醫(yī)療的“石器時(shí)代”。
他說:“想想看,人類已經(jīng)在地球上生活了30萬(wàn)年。一百年前,我們還沒有抗生素和麻醉藥物。我是一名心臟病學(xué)家。1970年,如果你犯了心臟病,死于心臟病的概率在30%左右;而如今,還不到5%。”
他還說:“所以,過去100年里發(fā)生的事情令人震驚:預(yù)期壽命從35歲左右增加到了80多歲……我們?nèi)〉昧司薮筮M(jìn)步,但我們?nèi)匀徊灰欢靼?hellip;…掌握我們生命密碼的基因與身體里的其他一切是如何相互作用的。”
數(shù)據(jù)障礙
拉姆齊預(yù)計(jì),在未來幾年里,深度學(xué)習(xí)人工智能將能夠繪制出我們的基因組和微生物組,并且弄清它們是如何影響我們的發(fā)育和抗病能力的。模型將能夠考慮關(guān)于一名特定患者的廣泛指標(biāo),并且通過對(duì)人類的整體理解,預(yù)測(cè)他們可能面臨或者目前患有的疾病。
拉姆齊在他的書中寫道,“只需向它們解釋新任務(wù)……而無需重新訓(xùn)練”,這些新模型“就能解決以前沒有發(fā)現(xiàn)的問題”,能夠“接受輸入并且用不同的數(shù)據(jù)形式組合產(chǎn)生輸出(比如,它們可以采取圖像、文本、實(shí)驗(yàn)室結(jié)果或者其他組合方式)”。
他說:“我們的頭腦不可能揭開那些關(guān)系。在這個(gè)領(lǐng)域,人工智能不是奢侈品,它將成為一種必需品。因?yàn)樗俏ㄒ荒軌蚝Y選數(shù)十億數(shù)據(jù)和數(shù)萬(wàn)億連接并且弄清關(guān)鍵關(guān)系和關(guān)聯(lián)的技術(shù)。”
拉姆齊說,正在實(shí)施的這些模型面臨的主要障礙之一是,缺乏將為這些預(yù)測(cè)提供信息的有標(biāo)記、結(jié)構(gòu)化和經(jīng)過驗(yàn)證的醫(yī)療數(shù)據(jù),原因是醫(yī)療已經(jīng)落后于其他行業(yè),而在那些行業(yè),數(shù)字化和數(shù)據(jù)集體化方面的安全不那么令人擔(dān)憂。
非結(jié)構(gòu)化和無標(biāo)記的數(shù)據(jù)約占醫(yī)療數(shù)據(jù)的80%,這些數(shù)據(jù)可以分為多個(gè)位置和多種格式(包括紙面格式)。這些訓(xùn)練數(shù)據(jù)中的缺陷可能導(dǎo)致人工智能模型的判斷錯(cuò)誤,而數(shù)據(jù)集偏向于某種人群類型可能意味著它做出的決定會(huì)在無意中傷害另一人群。
他提到一個(gè)例子,他去年在紐約騎自行車發(fā)生事故時(shí),盡管他的本地醫(yī)療中心在同一座城市,卻沒有他住進(jìn)醫(yī)院重癥監(jiān)護(hù)室的記錄。
他補(bǔ)充說:“即便關(guān)于一個(gè)人的數(shù)據(jù)只有一項(xiàng)缺失,也可能會(huì)改變他們的整個(gè)健康狀況。因此,如果你用人工智能算法預(yù)測(cè)他們的健康狀況或者幫助決策,而你缺少一項(xiàng)關(guān)鍵數(shù)據(jù),這就是個(gè)真正的麻煩。”
隱私爭(zhēng)議
但是,提供先進(jìn)人工智能模型所需的數(shù)據(jù)也有自己的挑戰(zhàn),尤其是如果一個(gè)人群的完整醫(yī)療記錄保存在一個(gè)易受網(wǎng)絡(luò)攻擊的單一數(shù)據(jù)庫(kù)中,那么醫(yī)療隱私就有被侵犯的風(fēng)險(xiǎn)。據(jù)英國(guó)《獨(dú)立報(bào)》報(bào)道,去年針對(duì)英國(guó)國(guó)民保健署的勒索軟件攻擊攻破了一個(gè)包含110萬(wàn)名患者信息的數(shù)據(jù)庫(kù)。
拉姆齊說,醫(yī)療人工智能服務(wù)提供商還將越來越多地被迫應(yīng)對(duì)不同管轄區(qū)的“監(jiān)管拼湊”,這可能會(huì)使安全要求和數(shù)據(jù)獲取復(fù)雜化。
與此同時(shí),他把目前的醫(yī)療人工智能市場(chǎng)描述為“狂野西部”,美國(guó)食品和藥物管理局提供了審批的“低門檻”,從而加劇了臨床醫(yī)生對(duì)潛在解決方案的懷疑,于是減少了采用。
人工智能已經(jīng)在復(fù)雜程度方面取得了巨大進(jìn)展,促使其他領(lǐng)域的應(yīng)用數(shù)量激增。例如,這篇采訪由人工智能工具轉(zhuǎn)錄而成,但仍然需要人來糾正偶爾出現(xiàn)的錯(cuò)誤。
拉姆齊說,醫(yī)療行業(yè)的采用速度較慢,在一定程度上是因?yàn)閷?duì)患者安全的擔(dān)憂和避免錯(cuò)誤所需的保障,但也是因?yàn)榕R床醫(yī)生對(duì)人工智能持懷疑態(tài)度。
醫(yī)景網(wǎng)2019年對(duì)三大洲的1500名醫(yī)生進(jìn)行的調(diào)查發(fā)現(xiàn),美國(guó)醫(yī)生仍然對(duì)使用人工智能持最懷疑的態(tài)度,近一半的人說,他們對(duì)在專業(yè)環(huán)境下使用人工智能軟件感到別扭。這可能在一定程度上是因?yàn)槿斯ぶ悄軝C(jī)器的回答往往是錯(cuò)誤的卻令人信服。
在醫(yī)療環(huán)境下,這可能關(guān)乎生死,可能會(huì)讓醫(yī)生為錯(cuò)誤承擔(dān)責(zé)任。具有解釋能力的人工智能模型或許可以緩解這種擔(dān)憂:不僅能提供答案,還能描述它們是如何得出這些答案的。
權(quán)衡安全
盡管拉姆齊知道人工智能的“黑匣子”概念,但他認(rèn)為,模型的答案越復(fù)雜,利用的信息越多樣化,解釋模型的答案只會(huì)變得越困難。但他不確定這是否會(huì)成為一個(gè)問題。
他說:“我們今天使用的很多藥物,用了幾十年,它們幫助了數(shù)百萬(wàn)人,我們不知道它們是怎么發(fā)揮作用的。所以,我們必須知道的是,算法如何得出了結(jié)論的整個(gè)想法可能不像檢測(cè)輸出和確保其一致性那么重要。”
后來進(jìn)入醫(yī)療風(fēng)險(xiǎn)投資領(lǐng)域的拉姆齊表示,反過來,醫(yī)生可能擔(dān)心人工智能會(huì)削弱他們的作用。他說:“醫(yī)生是收入最高的專業(yè)人士之一。任何可能威脅到他們的收入和自主權(quán)的東西,從歷史上看,他們已經(jīng)表明,他們非常擅長(zhǎng)確保那些技術(shù)永遠(yuǎn)不被采用。沒有人能強(qiáng)迫醫(yī)生以他們不情愿的方式行醫(yī)。”
但拉姆齊也設(shè)想,即便是最先進(jìn)的人工智能醫(yī)療模型也只能輔助和影響醫(yī)生,永遠(yuǎn)都不太可能把患者的治療完全交給機(jī)器。
他說:“人工智能無法權(quán)衡犯錯(cuò)的成本。一種算法可能關(guān)乎數(shù)百萬(wàn)人而不是一個(gè)人的生命。它可能會(huì)做出錯(cuò)誤的預(yù)測(cè),或者幫助每個(gè)使用該算法的人做出錯(cuò)誤的決定。”
但他說,讓訓(xùn)練有素、配備完善的人工智能模型為醫(yī)生的決策提供信息,好處是縮短了這些決策的時(shí)間,增大了患者康復(fù)和生存的可能性。
人工智能轉(zhuǎn)錄工具可以減少使用者必須花費(fèi)的時(shí)間和精力,但仍然需要一個(gè)人來掌握刪除和保留哪些東西。同樣,拉姆齊希望人工智能醫(yī)療工具能夠幫助醫(yī)生更快和更準(zhǔn)確地做出決定,而不是替他們做決定。
他在書中寫道:“飛行員過去手動(dòng)駕駛飛機(jī),但他們?nèi)缃裨谟?jì)算機(jī)的幫助下操作儀表盤。這提高了飛行的安全性,也改善了航空業(yè)。醫(yī)療可以從同一種方式中獲益。”
本文鏈接:http://www.3ypm.com.cn/news-2-2439-0.html人工智能醫(yī)療或?qū)⑵平馊梭w秘密
聲明:本網(wǎng)頁(yè)內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn),不代表本站觀點(diǎn),本站不承擔(dān)任何法律責(zé)任。天上不會(huì)到餡餅,請(qǐng)大家謹(jǐn)防詐騙!若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系,我們將在第一時(shí)間刪除處理。
點(diǎn)擊右上角微信好友
朋友圈
點(diǎn)擊瀏覽器下方“”分享微信好友Safari瀏覽器請(qǐng)點(diǎn)擊“”按鈕
點(diǎn)擊右上角QQ
點(diǎn)擊瀏覽器下方“”分享QQ好友Safari瀏覽器請(qǐng)點(diǎn)擊“”按鈕