网站首页 > 管理论文> 文章内容

人工智能「入侵」医疗领域这或许是我们最不该和恐惧的事情

※发布时间:2017-9-10 12:24:44   ※发布作者:habao   ※出自何处: 

  1967 年,IBM 的「The Paperwork Explosion」广告预测了一个反乌托邦的未来,社会不可的进步产生了大量的文书工作,甚至到人们的正常生活,这一困境只能用 IBM 先进的机器——电脑来解决。广告词是这样说的:「文书工作由机器承包了,所以你不必费心」,「机器应该工作,而人们应该思考。」这就是机器时代的第一步。

  自 19 世纪以来,人类社会经历了机器的几个阶段。第一阶段是机械化,现代机械生产方式减轻了手工业的负担,不断加快生产速度和产量,实现了工业。六十年代末迎来了电脑时代。 而今年,2017 年是我们正式进入人工智能机器时代的 20 周年。

  回顾过去,1997 年国际象棋超级加里·卡斯帕罗夫被 IBM 的 Deep Blue 击败,迅速将 AI 技术带入视线。Google Deep Mind 的 AlphaGo 在去年 1 月份击败了世界排名第一的围棋选手,这在发明之初被许多人认为是不可能的任务,现在它实现了,甚至比预期提前了十年实现。但是快速的发展不可避免的会出现质疑的声音。

  智能技术正在医疗保健领域不断寻找用武之地,而大数据就是医疗发展的主要驱动因素。随着技术发展和全球人口增长,所收集的数据从病人的病史、症状到实验室检查、医学图像和研究论文等越来越多。

  这些数据量呈指数级增长,预计在未来十年间,全球范围内数据增长将超过 50 倍, 2020 年将达到 25,000 亿字节,这相当于全美学术研究图书馆读本放在一起的数据量。 IBM 的首席创新官 Bernie Meyerson 将这个问题描述为「潜在阻碍人类进步」。上述广告中描绘的世界会发生吗?

  大数据带来了巨大的挑战。不久前发生的 WannaCry 黑客展示了普通公司的安保系统有多脆弱,这次给所有受到影响的组织和提了个醒,包括英国的 NHS。虽然被 WannaCry 利用的漏洞几天后就修补了,但不可否认的是,没有更新系统的大型组织/机构面对黑客显得很无力。

  随着患者数据变得更加详细,世界相互联系更加紧密,安全性可能成为一个主要问题。正如核专家 William J Perry 评论说:「我们可以通过技术总统的 iPad 上发射核武器,但并不意味着我们应该这么做」。

  虽然患者数据遭黑客入侵与核武器系统相比没那么,但网络安全问题可能对人们的生活造成长期有害的影响。

  例如,许多疾病在一些国家仍然意味着耻辱,包括艾滋病等疾病,如果疾病细节被,对患者日常生活的影响可能是巨大的。最近,著名的 Gro?ioChirurgija 诊所的患者照片和相关医疗记录的机密信息发生泄漏,也是让人们引以为戒的案例。

  还有许多患者是人物,他们的数据中有私人联系方式和银行帐户信息等等。现在这些数据正在暗网上销售,2,000 欧元可以买到一个歌星的信息,或者 344,000 欧元买下全部 25,000 名患者信息,而个别病人和诊所已经,经常会有信息发送到私人号码要发布照片,来索要赎金。

  然而,这些性的变化和不可避免地伴随出现的问题,也进一步强调了医疗行业公开沟通的重要性。人类和人工智能可以携手并进,以最大限度地发挥新兴技术的巨大潜力,使业界和大众拥有更高的效率、安全性和更强大的功能。

  Enlitic(一个 AI 创业公司)拥有能够以毫秒为单位分析和解读医学图像的技术,比放射科医师快 10,000 倍。它不仅能够归纳确诊特定疾病的,同时可以寻找并识别多种不同的疾病。

  微软研究部总经理 Eric Horvitz 博士负责将 AI 应用于医疗领域,他说:「电子健康记大型采石场,其中藏着很多黄金,我们的挖掘刚刚开始」。虽然人类可能只能触及「黄金」的表面,而 AI 可以筛选「数千吨的材料」,这就是数字世界。

  4 月,英国的研究人员利用机器学习算法将患者病史与心脏病发作的比率联系起来。该团队获得了 295,000 人的数据,并要求对其中 83,000 个样本做出心脏病发作的预测,这些病例随后的病史是已知的;然后将计算结果与现有最准确的美国心脏病学会/美国心脏协会(ACC / AHA)指南的预测进行比较,预测依据包括患者年龄,吸烟史,胆固醇水平,糖尿病史等。

  其结果正如科学作家 Matthew Hutson 写道:「四种 AI 方法每一个都比 ACC / AHA 指南好得多。最好的方法——神经网络法,比 ACC / AHA 方法多正确预测了 7.6% 的事件,并且错误警报减少了 1.6%」。

  「有趣的是,算法还发现 ACC / AHA 指南错误的领域」。 Hutson 说:「在机器学习算法中被认为是最有力的几个风险因素:如房颤、慢性肾病、糖尿病等并没有包括在 ACC / AHA 的预测模型中」。这再一次表明,机器学习可以帮助研究人员发现一些潜在的风险因子,这些仅凭人力是很难发现的,但是机器学习可以从已知变量中推断出来。

  虽然 AI 技术在快速解读大量数据时非常准确,但是还不能证明它们可以完全替代人类。 IBM 的 Meyerson 说:「人类的大脑为工作带来,并具有主观判断力,而不是只有冷冰冰的客观数据。」实际上,有越来越多的表明,AI 技术与人,特别是与医生结合工作,可以作为抵抗疾病的「新武器」,人工智能在医疗领域能够发挥重要的作用。

  4 月份报道的一项新研究表明,可以训练 AI 识别 X 光片,分辨结核病的先兆——当两个不同的深度卷积神经网络(DCNN)模型 AlexNet 和 GoogLeNet 共同作用判断时效果最好,结核病诊断能达到 96% 的准确度,高于许多放射科医生。当两个模型的结果产生分歧,需要人类放射科医生进行甄别时,准确率将跃升至惊人的 99%。

  这些发现表明,AI 每年可以节省医疗专业人员数百甚至数千小时分析数据的时间,让医生能够接触更多的患者。

  借助 AI 技术识别放射照片的方法更加省时省力,加速结核病的诊断能够扩大发展中国家早期识别和治疗结核病的范围。全球的医疗系统管理着近 80 亿人的健康数据,这种技术的发展或能降低治疗的总体成本,帮助医护人员更迅速更的完成工作。AI 技术还可以消除医疗资金短缺的问题,为没有专业医护人员的地区提供帮助、分析和治疗。

  历史上任何一次变革都是这样,最具野心的创新不断向不同领域延展,突破「不可能」的界限。这个阶段,机器的重心转移到了机器的「大脑」,机器正在开始思考。作家、未来学家 Arthur C Clarke 曾说:「任何先进的技术都与魔法无异。」人类对魔法的怀疑和恐惧,就像过去对巫师的追捕和审判,内心会一直处于状态。

  「科技的进步使人类繁荣成为可能;而如今大量的人口聚集更加让科技不可或缺。」新技术从魔法转变为重要的生活组成部分必须依靠有效的沟通和广泛的应用。对于医疗领域,AI 是强大的赋能科技,我们不应,更不应恐惧。返回搜狐,查看更多

  推荐: