據(jù)華爾街日報報道，一科學(xué)家團隊近日稱其人工智能程序通過胸部X光片診斷肺炎的準(zhǔn)確度超過人類放射科醫(yī)師。放射科醫(yī)師應(yīng)當(dāng)為此感到擔(dān)憂嗎？也許不必。AI更有可能讓他們的工作變得更加輕松，而不是讓他們變得多余。

本月早些時候，斯坦福大學(xué)的一個計算機科學(xué)家團隊宣布，他們的人工智能程序通過胸部X光片診斷肺炎的準(zhǔn)確度超過人類放射科醫(yī)師。

“放射科醫(yī)師應(yīng)該為自己的飯碗憂心嗎？”其中的一位科學(xué)家吳恩達(dá)（Andrew Ng）發(fā)布推文稱。

也許他們不必感到擔(dān)憂。事實上，他們應(yīng)該松一口氣才是：AI更有可能會讓他們的工作變得更加輕松，而不是讓他們變得多余。

現(xiàn)在的放射科醫(yī)師面臨著與多數(shù)專業(yè)人士一樣的二十一世紀(jì)問題：數(shù)據(jù)太多。最新的AI迭代技術(shù)機器學(xué)習(xí)能夠仔細(xì)篩查那些數(shù)據(jù)，以及發(fā)現(xiàn)人類可能看不到的模式。但機器并不懂得如何處理那些信息——至少目前還做不到。只有人類能夠完成這一步的工作。

近幾十年來，醫(yī)學(xué)圖像數(shù)量猛然增加，說明醫(yī)生工作負(fù)荷不斷增加，掃描種類更多，每種身體檢查產(chǎn)生的圖像也有增無減。以往只能捕捉一個身體維度的CT掃描，如今能夠捕捉三個維度，因而會產(chǎn)生數(shù)百乃至數(shù)千張高度精細(xì)的圖像。

IBM旗下的沃森醫(yī)療影像部門全球戰(zhàn)略副總裁史蒂夫·托勒（Steve Tolle）估計，美國每年進行的放射科檢查數(shù)量達(dá)到8億次左右，共計產(chǎn)生大約600億張圖像，或者說每個放射科醫(yī)師每兩秒鐘就產(chǎn)生一張。“而我們的期望是他們每次都能診斷正確。”他說道。

他指出，所有那些數(shù)據(jù)帶來的巨大負(fù)擔(dān)，解釋了為什么英國部分醫(yī)學(xué)圖像生成以后幾個星期都還沒有被查看，為什么很多的放射科醫(yī)師覺得身心俱疲，為什么醫(yī)院缺少放射科醫(yī)師，盡管該崗位薪水很高。

IBM認(rèn)為AI能夠緩解那些負(fù)擔(dān)。它是眾多針對醫(yī)學(xué)成像開發(fā)AI應(yīng)用的公司中的一家。

IBM的科學(xué)家團隊給計算機注入數(shù)千張已經(jīng)過人工診斷是否存在腫瘤或其它癥狀的醫(yī)學(xué)圖像。計算機會生成模型來分析新的圖像，并嘗試判斷是否存在腫瘤。

在一項實驗中，IBM沃森根據(jù)皮膚損傷圖像診斷黑素瘤的準(zhǔn)確率達(dá)到76%，超過8位皮膚科醫(yī)生71%的平均準(zhǔn)確率。該公司希望，有朝一日，醫(yī)生或者護士將能夠拍下皮膚損傷圖像，將它上傳到一個AI應(yīng)用程序，然后它就能告訴你患癌癥的概率。

由于AI是通過人類鑒別出的模式來學(xué)習(xí)，它無法知道得比人類多，但它能夠更加穩(wěn)定地運作，在應(yīng)用那些知識的時候會較少帶有偏見。

來自Anne Arundel醫(yī)療中心的約翰·帕克（John Park）正在與IBM沃森展開合作。他指出，放射科醫(yī)師趨向于尋求發(fā)現(xiàn)他們最近看過的東西，相比之下，AI一旦看過某樣?xùn)|西，就絕不會忘記，會將相關(guān)的知識應(yīng)用在每一次的圖像診斷上。這在極度缺乏訓(xùn)練有素的放射科醫(yī)師的貧困國家可能會特別有價值。

不過，AI只能夠根據(jù)圖像顯示的東西得出概率，而不是得出確定性的信息。Sentara Healthcare醫(yī)療保健機構(gòu)的杰米·穆里羅（Jaime Murillo）表示，它“可能會給我指出我可能沒有看到的東西，但接著我得確定它的解讀是否準(zhǔn)確。”

這正是制約AI在各種領(lǐng)域的應(yīng)用的地方。跟放射科一樣，F(xiàn)acebook也備受信息過量的問題困擾。Facebook希望，有朝一日AI將能夠為它的平臺篩查爭議性的內(nèi)容。

不過，排查爭議性內(nèi)容的工作，需要Facebook用戶向“社區(qū)運營”團隊舉報，然后由后者決定是否應(yīng)該將其刪除。在那以后，AI會留意類似的內(nèi)容，防止它被分享傳播。Facebook目前聘請了數(shù)千人來進行審查內(nèi)容。

多倫多大學(xué)專門研究AI的經(jīng)濟學(xué)家艾維·古德法布（Avi Goldfarb）指出，“在很多的日常AI應(yīng)用中，機器會預(yù)測及整理最相關(guān)的選項，但最后還是由人類作出實際的選擇。”他談到BenchSci和Atomwise，這兩個AI應(yīng)用會根據(jù)其對科學(xué)文獻(xiàn)的分析以及抗體和分子的大型數(shù)據(jù)庫，向科學(xué)家推薦潛在的研究途徑。

美國放射學(xué)會首席數(shù)據(jù)科學(xué)官凱斯·德雷爾（Keith Dreyer）稱，算法能夠被訓(xùn)練來尋找特定的狀況，但“大多時候你連自己要尋找什么都不知道。”

“病人咳嗽，原因可能有上千種。”他說道。胸部X光片上的“白云”可能是肺炎，也有可能是肝癌。

最大限度地提升準(zhǔn)確率，需要算法分別就每一種癥狀和疾病接受訓(xùn)練。這可是一個需要耗費巨大的人力物力的過程。德雷爾指出，接著，美國食品和藥物管理局必須要批準(zhǔn)系統(tǒng)和醫(yī)生將算法整合到他們的實務(wù)當(dāng)中。

目前已經(jīng)出現(xiàn)一些針對醫(yī)學(xué)成像的商業(yè)化AI應(yīng)用，但I(xiàn)BM沃森還沒有推出該類應(yīng)用。該公司的發(fā)言人表示，針對乳癌和皮膚癌的擬議應(yīng)用的推出時間，要看監(jiān)管部門什么時候通過審查。

人們對于AI搶奪飯碗的恐慌，不免讓人聯(lián)想起近20年前各類工作的離岸外包擔(dān)憂。一些經(jīng)濟學(xué)家曾預(yù)言，國際寬帶連接意味著很多的醫(yī)學(xué)圖像解讀工作將會被外包給印度薪水低得多的放射科醫(yī)師。實際上，這從未發(fā)生過。

美國監(jiān)管機構(gòu)并不希望讓不受其管制的醫(yī)生查閱美國病患的醫(yī)學(xué)圖像，而且新興市場很少人擁有所需要的技能和經(jīng)驗。自1995年以來，美國放射科醫(yī)師的數(shù)量增長了40%多。