我们已到了这个阶段：计算机视觉和自然语言处理（NLP）软件可以媲美人类的能力，在一些情况下甚至更胜一筹。在放射学等一些医学专科领域，人工智能随时准备为临床医生提供诊断专业知识。可是如果看一看医疗界的总体情况，就会发现：人工智能还没有实至名归。

在大数据时代，我们本该能够处理海量的历史和实时医疗数据，为患者提供所有疾病的最佳治疗方法。鉴于合适的机器学习工具可以对我们的个人病史进行处理——成本高昂的电子病历（EMR）系统将病史实现了数字化，人们将很快成为精准医疗时代的受益者。

早在2011年，IBM的“沃森”（Watson）超级计算机在电视益智节目《危险边缘》中夺冠，随后IBM宣布“沃森”重返医学院，成为人工智能医生。2012年，IBM与纪念斯隆·凯特琳癌症中心合作，共同开发出一款名为“沃森肿瘤机器人”（Watson for Oncology）的产品。借助医学教科书、临床报告及其他可用的医学信息，双方对“沃森肿瘤机器人”进行训练，该人工智能系统甚至可以识别出最罕见的几种癌症，并避免困扰人类医生的那种认知偏差。

但是，在这家癌症诊所据称耗费6200万美元的开发费用之后，“沃森肿瘤机器人”尚未获得起初承诺的那种重大突破。尽管它可以扫描成千上万页的医疗文本，并发现病症、疗法和结果之间的关联性，但它依然无法像真正的肿瘤医生那样“学习”。

来自纪念斯隆·凯特琳癌症中心的马克·克里斯，领导了“沃森肿瘤机器人”的部署工作，他在2019年接受媒体采访时表示：“医生从文献中提取的、用于改变治疗方案的信息可能不是研究重点。”“沃森肿瘤机器人”可以找到统计学上的关联性，“但医生不是那样工作的”。

尽管存在这些挑战，但直至2019年“沃森肿瘤机器人”仍在纪念斯隆·凯特琳癌症中心使用。

“沃森肿瘤机器人”并不是唯一在现实世界中碰到难关的医疗人工智能系统。除了尚未兑现承诺的项目外，这个领域还充斥着彻底失败的项目。哈佛大学和麻省理工学院的三位教授在《自然》杂志上发表的《医疗界有关人工智能“难以忽视的真相”》论文中说：“大体说来，研究文献中很知名的那些算法，实际上无法实施在临床实践的一线。”

研究人员表示，这主要有两个原因。首先，人工智能软件与医疗环境的现状不太契合。他们写道：“如果只是将人工智能应用软件添加到一套很分散的系统中，并不会带来可持续的变化。”其次，大多数医疗机构中的数据基础架构，不足以支持与人工智能系统进行“契合”。此外，也没有足够的数据来训练人工智能系统，使其能应对在现实世界中会遇到的不同患者群体，因而降低了实用性。

尽管让人工智能进入现实世界的医疗实践面临重重挑战，但是使用人工智能的潜在好处却很大。全世界每年在医疗保健上花费数十万亿美元，可仍有数百万人饱受完全可以预防的各种疾病之苦。有望节省巨额资金、挽救众多生命，这促使AI研究人员和厂商继续奋力前行。

作为John Snow Labs的首席技术官，大卫·塔尔比就看好人工智能在医疗界有望取得更好的结果。塔尔比帮助领导开发了Spark自然语言处理（NLP）技术。据一项NLP行业调查显示，Spark NLP是目前世界上使用最广泛的NLP库之一。

塔尔比在最近的一次媒体采访中说道：“首先，这项技术从根本上来说管用。眼下，就大多数任务而言，人工智能在自然语言处理、文本识别等方面的准确性，已经可以媲美或超过人类。另外，我们在图像处理方面也正取得类似的结果。”塔尔比表示，别低估了这项技术的重要性，因为这意味着特定的人工智能软件在技能上将不亚于受过十年培训的放射科医生或眼科医生。他说：“而且，如果我们有一种开箱即用的算法，使得人工智能与从业10—15年的专科医生一样出色，就有望大大减少可以预防的痛苦和死亡。在全球大多数地方，如果患者需要放射科、内分泌科甚至精神科的诊疗意见，有可能不用到医院找医生。”

但这并不意味着我们已在医疗人工智能方面破译了密码。这方面研究越深入，就会发现越多的问题。

与往常一样，一些最具挑战性的问题通常与技术无关，与数据管理有关。以John Snow Labs为例，大多数重要的数据存储在电子病历系统的病情记录中，以自由文本的形式存在。如果医疗机构想要训练一个肿瘤学模型，如果系统中能有一个选择框对应“小细胞”癌症或“非小细胞”癌症，再有一个选择框对应“一期”或“二期”癌症等，那就好了。塔尔比表示，但实际情况不是这样，除了推断癌症处于何种阶段外，Spark NLP通常还必须推断患者患有哪种类型的癌症。

在一些情况下，医疗机构确实会花时间收集和构建那些便于机器学习模型的详细数据。比如美国的全国心脏病学数据资料库，护士会精心填写表格，详细录入有关患者心脏问题的许多数据。

塔尔比说：“问题在于，这是一种成本极高、速度极慢的行事方式，这就是为什么只有针对心脏病之类的重大疾病，才会这么做：要么政府出钱，要么是有需要的患者愿意承担相应的成本。”

他还表示，即使人工智能系统能给出很好的建议，也永远不会尽善尽美。因为医疗保健领域在一定程度上是开放型的，并不总是存在“正确的答案”。“尤其是对于癌症这样的疑难杂症，患者应该去听听其他医生的意见。”

即使设法开发出了“完美的人工智能系统”，也无法保证所有人都会使用它。因为医护人员已经饱受信息过剩的困扰，他们最不希望自己在治疗患者之前，还要被迫查看另一个屏幕。最要命的是，一旦这个人工智能系统开始使用，它会改变拿来训练模型的条件，从而使起点无效。塔尔比说：“从某种意义上说，系统会崩溃。比如说，系统启用一个月后，风险最高的人群将是另一个人群，因为现在医生治疗患者的方式已经不一样了。”

尽管面临这些挑战，我们正在逐渐取得进展。就像汽车在整整一个世纪后才达到了我们今天所享有的安全水平，要克服实施医疗人工智能系统面临的所有挑战将需要一段时日。塔尔比说：“这会需要一段漫长的时间，很慢，很难，很复杂。但是人工智能在医疗领域的好处是，有时可以挽救生命。”

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）