本文来自微信民众号：大数据文摘（ID：BigDataDigest），作者：刘俊寰，题图来自：视觉中国

新冠疫情之下，不少国家和区域的医生都处于超负荷的事情状态。

随着近年来AI手艺的生长，医疗AI在疫情中施展了越来越主要的作用，不少AI病毒检测系统研发者都示意，相关产物实验室准确率都已经到达了96%及以上。

那么，在医院真实使用的时刻，这些系统真的能让医生护士们“为虎傅翼”吗？

让我们先把眼光聚焦于对既有疾病的诊断和治疗上。好比去年，谷歌落地泰国的眼疾检测人工智能明星产物。

谷歌此前曾高调宣布，正式与泰国公共卫生部确立互助关系，在帕图姆和清迈落地了一个用AI检测糖尿病性视网膜病变的系统。

作为FDA批准的首款人工智能诊断装备，谷歌和泰国双方都有极高的期待。

然则，凭据谷歌最近揭晓的相关讲述，该系统在泰国显示出强烈的“水土不服”：在部署系统的11家诊所中，只有2家具有知足条件的影像室，而由于医院的光线环境经常不利于拍摄，跨越五分之一的图像都会被系统拒绝；同时，必须将照片上传到云端举行处置才气获取效果，而泰国多数诊所的网络连接不够理想，有护士和患者因此守候了两个多小时。

医疗AI落地任重道远，一起来看看谷歌AI这起泰国“翻车”故事。

当高精准AI遭遇“人挤人的小诊所”：理想有多丰满，现实就有多骨感

这款产物会首先落地泰国事实上意义重大。

凭据2016年的一项考察显示，泰国共有9.6％人民患有糖尿病性视网膜病变，34％的患者会由于此双眼视力显著低下甚至失明。而在天下范围内，约5%的失明患者都是由于身患糖尿病性视网膜病变导致。

2013年，泰国公共卫生部宣布，泰国住民可在指定的检查日到当地诊所举行糖尿病性视网膜病变的检测，最初公共卫生部预计的目的是笼罩每个区域60％的患者。然而数据显示，纵然这样，每年接受检测的患者数也不到50％。

在传统的检测历程中，护士会为患者拍摄一张“眼底照片”（fundus photo），这些照片随后通过电子邮件或邮寄光盘发送给眼科医生，而更进一步的眼部检查至少也要在4~5周后举行。

谷歌的这款医疗AI在落地之前也做了完整的准备：通过一个12.8万幅图片的数据集训练确立起来，每张图片记录了3~7名眼科医师的评估效果，为了验证算法的性能，他们还使用了2个自力的临床试验数据集，包罗1.2万幅图片，审核效果由专家来讯断。

在构想中，该AI系统能在几秒钟内给出可堪比眼科医生的具有专业价值的结论，在内部测试中，系统也以90％的准确度获得了高度认可。在这种情形下，护士就能在几分钟内给出开端建议，大大缩短了时间差。

可以说，这个系统在泰国的落地具有划时代的意义。

泰国卫生部门对于这一产物抱着极高的期待，然则，凭据相关反馈，该系统在泰国“拥挤的诊所”显示完全不及格。

谷歌公布相关产物落地反馈讲述链接：https://dl.acm.org/doi/abs/10.1145/3313831.3376718

固然，这不完全是谷歌产物自己的问题。

泰国当地示意，这款AI测试产物也有正常事情的时刻，简直大大提升了检测效率；然则更多的时刻，系统无法给出一个明确的效果。

这也是多方面因素导致的。首先，和大多数的图像识别系统一样，深度学习模子的训练环境是基于高质量的扫描图像，对于低于一定质量阈值的图像，系统会自动拒绝。

但在现实中，护士一小时要面临几十名患者，医院的光线环境经常不利于拍摄，跨越五分之一的图像都会被系统拒绝。

而这些被系统“拒绝”的患者不得不再另选时间前往另一个诊所让人类专家诊断，不少人往往难以请到两天连休，或者没有更便利的交通工具，这些都将导致该系统进入当地医疗系统后被人们排挤。

对此，护士也时常感应沮丧，尤其是当她们拍摄的照片被系统拒绝，或者被认定为没有疾病特征的时刻。而为了到达系统要求的精度，她们有时会破费许多时间在一张照片上。

其次，就算护士们费尽气力拍摄了知足系统要求的眼球照片，她们还必须将必须将照片上传到云端举行处置，其中诊所的网络连接就是另一个影响因子。

“患者往往习惯于马上看到效果，但由于网速问题，患者不得不守候很长时间，他们就会埋怨。”一位护士说，“有人从早上6点最先就在这里排队了，但我们这2个小时只检测了10个病人。”

在评价该AI系统的不成熟和局部应用时，研究团队示意：本次在引进新手艺时，计划者、政策制定者和手艺设计者都没有考虑到庞大的医疗项目在落地历程中会泛起的问题，但实在人们的念头、价值观、职业身份以及他们事情的现行规范和通例等社会因素，都是至关主要的。

谷歌康健团队的研究人员Emma Beede更是一针见血地指出：“在普遍部署AI工具之前，必须首先领会AI若何在特定环境中为人们服务，在医疗保健领域尤其云云。” 

针对种种问题，谷歌康健团队正在与当地医务人员互助，重新设计事情流程。例如，让护士接受培训，让她们在极端情形（borderline cases）中信赖自己的判断，同时模子自己也将举行再次调整，以更好地处置不完美的图像。

FDA批准的首款人工智能诊断装备，实验室准确率高达90%

谷歌这款人工智能眼疾诊断产物算是全球医疗AI领域的明星产物。

2018年4月，在美国食物和药物治理局（FDA）首次批准了这种人工智能诊断装备，而且罕有宣布，该装备不需要专家医生来注释效果。

这也就意味着，这个名为IDx-DR的软件程序可以通过考察视网膜的照片来判断患者是否有眼科疾病，某些情形下甚至不需要配备人类医生的进一步诊疗。

它的事情原理是这样的：护士或医生上传病人视网膜的照片，这些照片是用专门的视网膜摄像机拍摄的。

IDx-DR软件首先判断照片的清晰度是否支持下一步的疾病判断。

然后，对这些及格图像举行剖析，以确定病人是否患有糖尿病性视网膜病变。糖尿病性视网膜病变是糖尿病性微血管病变中最主要的显示，是一种具有特异性改变的眼底病变，是糖尿病的严重并发证之一。

在一项使用跨越900张图像的临床试验中，IDx-DR准确检测到糖尿病性视网膜病变的准确率为87％，准确识别无病患者的准确率为90%，准确度可以媲美专业医师。

据领会，这也是机械学习被首次应用于医疗AI系统的案例。那时可谓轰动一时的新闻，文摘菌也曾就这一研究成果做过报道。

科技公司翻车不止谷歌一家，AI落地医疗行业前路崎岖

医疗AI在落地历程中，除了谷歌本次露出出来的问题，似乎另有更多的问题有待解决。

好比去年8月，在苹果秋季公布会前夕，苹果康健团队被曝出内部存在极大的治理问题，直接导致员工扎堆去职。在医疗康健这条路上，苹果高层倾向于接纳平安渐进的方式，这与医疗行业自己的庞大水平有一定的关系。

然则苹果康健团队内部不少员工却不这么以为，他们急于解决医疗系统中最“棘手”的问题，好比医疗装备、远程医疗和医疗支付等。有员工透露道，苹果完全有能力开发更多更有远景的项目，在医疗康健这条路上走得更远，然则，公司主打的仍是“手表心电图”这类面向宽大康健用户的功效。

除此之外，两名知情人士示意，对于该公司应在多大水平上向医疗行业透明化，内部也存在分歧。苹果此前一直对自己的项目高度保密。然而，这种严酷保密在使得苹果在卫生保健领域生长更具挑战性，由于该行业通常需要依赖已揭晓的研究、临床研究，并与行业内组织保持公然对话。

羁系机构与科技公司的角逐也影响到了医疗AI的落地。去年4月，IEEE Spectrum公布稀奇讲述《How IBM Watson Overpromised and Underdelivered on AI Health Care》，在文中细数了IBM的明星医疗部门Watson Health是若何走向衰落的。

文中称，只管IBM破费数十亿美元收购AI企业，增强内部开发实力，但内部人士示意，被收购公司并没有施展什么作用。这其中还存在羁系机构的干预，羁系机构只批准少数基于AI的工具在医院和医生的办公室使用，这些开创性产物主要群集在图像诊断领域，好比通过计算机视觉手艺识别X射线和视网膜扫描图像举行诊断，而IBM却没有医学图像识别的产物落地。

除了治理问题，医学领域自己也存在极大的挑战，好比为医生的专业知识编码，这项浩荡的工程纵然是现在最优异的AI也难称可以实现。

正如在2014年去职IBM的Kohn所说：“拥有壮大的手艺是不够的，你还要向我证实，这款产物简直是有价值的，可以让我生涯的更好，让我的怙恃生涯的更好。”这也清楚地指出了科技公司在医疗领域的崎岖前路。

面临云云多的难关，科技公司将若何逐一攻破，我们期待着医疗AI能在现实环境下更有效地事情的一天。

本文来自微信民众号：大数据文摘（ID：BigDataDigest），作者：刘俊寰