📢 转载信息
原文链接：https://www.bbc.com/news/articles/c0589g0dqq7o?at_medium=RSS&at_campaign=rss
原文作者：BBC News
一位母亲发现的“微小”的眼睛病变最终被人工智能诊断为黑色素瘤（melanoma）——一种最致命的皮肤癌。
在对全球数万张皮肤镜图像进行训练后，谷歌的深度学习模型对皮肤癌的识别准确率达到了人类专家的水平，甚至在某些方面有所超越。
该系统已在一些国家的医院中投入使用，但它在多大程度上能改变医疗保健领域，以及我们应该在多大程度上信任人工智能，仍是激烈辩论的话题。
在与BBC的“未来聚焦”（Future Focus）节目交谈时，专家们讨论了人工智能在医疗诊断领域的巨大潜力，以及它带来的复杂挑战。
人工智能如何比人类专家更出色？
对于皮肤癌的诊断，关键在于早期发现。黑色素瘤如果能在早期阶段发现，治愈率极高；但如果发现太晚，则致死率会急剧上升。
对于医生来说，这是一种棘手的疾病。皮肤科医生必须检查大面积的皮肤，同时还需要区分数百万个良性痣和恶性肿瘤。
“在评估上，（人类）专家的表现并不一致，”伦敦大学学院（UCL）的皮肤病理学家和研究员蒂米·林格伯格（Timmy Lingbergh）博士说。“你可能会找三位专家，他们可能会给出三种不同的意见。”
人工智能则不受这种不一致性的影响。训练有素的AI系统可以对图像进行快速、一致地分析，并且不会因为疲劳或主观偏见而做出错误的判断。
在最近的一项研究中，谷歌开发的人工智能系统在识别黑色素瘤方面的准确率与皮肤科专家相匹配。但专家们认为，在未来，AI有望超越人类。
“我们正处于一个拐点，”林格伯格博士说。“我们不再只是把AI视为一个辅助工具；我们看到它实际上正在超越人类专家的表现。”
这项研究表明，AI在某些情况下能找到人类医生可能忽略的细微模式，尤其是在分析那些“灰区”病例时。
但我们应该信任它吗？
尽管数据看起来令人鼓舞，但将AI诊断工具整合到日常临床实践中并非没有障碍。其中最大的障碍之一是人们对这种技术的不信任。
“AI系统是复杂的黑箱，”剑桥大学人文学院计算机伦理学教授蒂亚戈·桑切斯（Tiago Sanchez）说。“这意味着我们不知道它做出某个决定的具体原因。”
这在医疗保健领域尤其成问题。如果病人出现问题，谁应该承担责任？是训练模型的AI公司，是批准使用的医院，还是给出了最终诊断的医生？
“我们需要建立一个清晰的问责制框架，”桑切斯教授解释说。“在医疗领域，问责制是至关重要的。如果一个医生犯了错误，我们可以追溯他的职业培训、经验和判断。但如果一个算法犯了错，责任链就会变得模糊。”
此外，AI训练所使用的数据集也可能存在问题。
“如果AI仅在一个特定人群的数据集上进行训练，它在应用于不同人群时可能会表现不佳，”桑切斯教授警告说。
他补充说：“例如，如果模型主要是在白皙皮肤的人群数据上训练的，它在诊断深色皮肤的患者时，准确性可能会显著下降。”
这种潜在的偏见对医疗公平性构成了重大风险。
然而，支持者认为，与人类医生相比，这些问题并非AI独有，而且可以通过透明度和持续的监管来解决。
“我们不能因为AI有缺点就完全拒绝它，”一位专家表示。“我们应该关注如何更好地使用它，同时积极解决其局限性。”
未来：人类与机器协作
目前，AI工具主要被视为增强而非取代人类医生的手段。在许多地方，AI被用于初步筛查，帮助医生将精力集中在更复杂的病例上。
在英国，研究人员正在使用AI来分析数百万张X光片，以帮助快速识别出需要紧急关注的病例。
“我们看到的未来是协作，”林格伯格博士说。“AI可以处理大量数据，提供第二意见，并突出需要人类关注的领域。医生仍然是最终的决策者，但他们拥有了前所未有的强大工具。”
在一些国家，AI诊断已经成为常规操作。例如，在印度的一家初创公司，已经使用了AI来分析眼部扫描，以检测糖尿病引起的失明迹象。
“我们正在目睹医疗诊断的民主化，”一位发言人说。“AI可以以较低的成本将专家级别的诊断能力带到资源有限的地区。”
最终，人工智能在医疗领域的成功将取决于医生、技术人员和监管机构能否共同努力，建立起必要的信任基础，并确保其公平、安全地应用于患者护理中。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区