发表在《柳叶刀数字健康》上的报告进行了荟萃分析(一项研究研究)，以分析医生和AI系统在诊断特定疾病时的比较情况。

在审查了82项研究后，该报告得出结论：“我们的审查发现深度学习模型的诊断性能与医疗保健专业人员相当。”机器零钱?也许还没有。该论文的作者指出，很少有将医生和“深度学习算法”进行比较的研究在相同的数据样本上对它们进行测试，或者其结果得到了外部机构的验证。同样，它指出，“报告不佳”决定了所涉人员的诊断准确性。

人工智能对疾病的总体诊断水平为，人工智能为87%，医疗专业人员为86.4%。我们应该继续解雇一些文档并在他们的诊室安装Hal吗?有趣的是，人与机器研究的结果应该如此紧密地联系在一起：AI是否正在复制使用其训练数据的医生的成功和失败?还值得注意的是，在医学领域，要求AI做些限制。几乎唯一地，它被要求读取图像扫描-超声波，X射线，CT及其他。

AI在那里可以发现通常容易识别的状况-骨折，肿块，视网膜改变。拥有明确定义的疾病标准，使AI和受训医生更容易学习。

但是扫描很少那么简单。X射线通常以“可能出现X病的证据”或“如果符合临床情况可能是Y病”的形式退还给医生。扫描永远不会自己解释：扫描结果会与血液检查结果，历史数据，全科医生的处方和以前的住院记录，推荐信，记录患者的病史然后再进行分析，以及护士在继续检查之前告诉您的内容午休时间，以及其他许多信息来源。

仅解释扫描将使您走到现在。

同样，医学上有一种说法是“您不治疗X射线，而是治疗患者”。医生会告诉您，他们已经看过一些人的扫描，他们认为如果没有医学界的任何帮助，他们的状况会非常痛苦或残疾，他们的状况会很好。同样，他们将看到仅显示轻微疾病或伤害的扫描结果，患者所遭受的疼痛要比屏幕上显示的要严重得多。解释扫描很有用，但这只是图片的一部分–与患者坐下将为您提供更多信息。在医学上也有另一句话：“仔细听病人说，他们会告诉你诊断” –也就是说，如果你和病人说话足够，就不必订购一系列扫描仪，首先进行测试。

尽管如此，在放射科医生喝早茶之前拥有一台可以读取800次扫描的AI(可以轻松识别或以其他方式识别)使医生的生活更加轻松：如果AI可以将需要进行活检的人与需要放心的人区分开，它将为医生提供帮助很多等待。扫描结果可能需要几天的时间才能到达负责管理患者护理的医生手中，这意味着要等到做出某些临床决定后，才能将其推迟。认可机构将帮助减轻这些问题。

但是，为什么人类医生比AI花费更长的时间来进行扫描?这不是能力问题，通常是人员配备问题。根本没有足够的员工来扭转局面(医疗保健部门的人员短缺是严重的，并且由于多种因素而造成破坏，尤其是预算有限)。尽管使用NHS数据集的AI公司可以提供免费或低成本访问所产生的产品，但很难想象成功的诊断AI最终不会在长期内为预算带来麻烦。

本文转载自其他网站，不代表大健康派观点和立场。如有内容和图片的著作权异议，请及时联系我们（邮箱：scarlet.s@djkpai.com）