医生|AI 会「看图」还能「读懂」病例，医生被迫「躺平」？( 二 ) 医学|疾病|肿瘤|互联网医疗

「CARE」模型可以识别 14 种常见眼底异常，包括糖尿病视网膜病变、高血压眼底病变、病理性近视眼底、视网膜脱离等疾病，模型的平均准确率为 96.8% 。
在「人机对弈」中，将「CARE」模型的表现与 16 位来自不同地区、不同年资的眼科医师进行比较，结果显示，不同眼科医生对眼底病变识别灵敏度差异大，特别是基层年轻医生，人类医师的准确度范围在 50% 至 92.9% 之间，不由得让人感叹一句「人不如狗」……
三、会「看图」还能「读懂」病例，医生怕是要被迫成为躺平的「咸鱼」吗？
2019 年 2 月，国际知名医学科研《自然医学》（Nature Medicine）在线刊登了题为《使用人工智能评估和准确诊断儿科疾病》（Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence）[5
。
图片来源：文献截图
在该项研究中，广州市妇女儿童医疗中心牵头组织 AI 医生自动学习了 56.7 万名儿童患者的 136 万份高质量电子文本病历中的诊断逻辑，诊断包括消化科、呼吸科等 55 种疾病，覆盖 75% 以上的常见儿童疾病，准确度与经验丰富的儿科医师相当。
在 2019 年的第一季度调用量已经超过了 3 万次，诊断与临床符合率达到了 87.4% ，工作 20 天相当于一个儿科副主任医师一整年的门诊工作量。但 AI 医生真的就无敌了吗？远远不是！
作为医疗 AI 界的 OG——沃森医生（Dr. Watson），自 2011 年起就开始接受纪念斯隆—凯特琳肿瘤中心（MSKCC）、梅奥医学中心（Mayo clinic）、奎斯特诊疗（Quest Diagnostics）等国际顶尖肿瘤医学中心的训练，学习了超过 300 种医学专业期刊、250 种以上的医学书籍、1500 万页论文研究数据，以及大量临床案例。
尽管长期有「帝王体验卡」加持，德州安德森肿瘤中心全额支付了 IBM 研发团队 6210 万美元的研发费用，可海量资金烧光后， Watson 仍然无法有效应用于临床，只剩一地鸡毛[6
。
图片来源：文献截图
但是， Watson 的没落并非 AI 医疗的没落，国内相关研究越来越倾向于证明， AI「打辅助」远比「纯输出」更加实际。
AI 通过对海量数据的深度学习，可以把影像、病理甚至肿瘤等领域的医学专家们数十年的经验积累并转化为诊断思维，给出更为快速、准确的诊断。
相当于给年轻医生加了个「外挂」，既可以降低漏诊、误诊率，也可以大幅减轻医生的工作量。
但 AI 医生输入的数据和其输出的答案之间，通常存在误差，也就导致在整个流程中必须由医生的介入、监管和修正。
另外就是，部分罕见病因数据样本不足，还是要依据人类医生的诊断。医生「躺平」「当咸鱼」？不可能！绝对不可能！
正如科幻作家刘慈欣所说，想象力是人类战胜 AI 的唯一优势。所以， AI 并不能取代医生。
【医生|AI 会「看图」还能「读懂」病例，医生被迫「躺平」？】但相关行业领域应加快解决 AI 医疗普适性、普惠性的问题，以更好的技术手段、更便捷的平台、更低的价格，提升医疗服务能力水平，提高健康服务的公平性。