美國《新聞周刊》網站2月4日刊登題為《人工智能可能會在數十年內解開人體的秘密》的文章，作者是亞歷克斯·菲利普斯，內容編譯如下：
一位醫生(同時也是一本關于新興技術在醫療領域應用的新書的作者)說，人工智能(AI)可能會比任何人類都能探索更多元的數據，從而在幾十年內解開我們身體的秘密并且準確診斷疾病。
羅納德·拉姆齊在接受記者采訪時說，雖然人工智能已經表明在臨床環境下具有實用價值，但目前使用的模型在復雜程度和范圍上都很有限。最終，“多模式”深度學習算法將能夠了解患者的多方面醫療數據，并預測他們可能存在的問題。
他說：“人工智能發揮最大影響的領域，將是分析我們身體的秘密以及體內基因與微生物組之間的復雜關系、我們的大腦中正在發生什么。”
大量范例
首先要克服一些障礙，包括缺乏足夠的數據來訓練人工智能模型、安全方面的擔憂以及兩方面的猶豫態度。
拉姆齊的論著《人工智能醫生：人工智能在醫療領域的興起》中收錄的研究顯示，目前，在醫療環境下使用人工智能通常僅限于在特定醫學領域執行小范圍的任務——但它們還是有用的。
在放射學方面，人工智能模型可以審查掃描結果，并識別可能遺漏的腫瘤或骨折。在拉姆齊擅長的心臟病學方面，一家公司開發了基于手機的算法，利用智能手表來監測佩戴者的心律，希望利用這種算法來確定患者何時可能會出現心臟驟停。
目前取得這些進步是因為算法只需要分析一種類型的數據，而且可以利用已經廣泛數字化的數據進行訓練。拉姆齊說，X光射線圖像“幾十年前”就被掃描到計算機上，這為用于在CT掃描中發現問題的人工智能程序，提供了可供在投入使用前學習的大量范例。
但拉姆齊說，相較于幾十年后可能出現的人工智能產品，回過頭看當前的產品將會像是醫療的“石器時代”。
他說：“想想看，人類已經在地球上生活了30萬年。一百年前，我們還沒有抗生素和麻醉藥物。我是一名心臟病學家。1970年，如果你犯了心臟病，死于心臟病的概率在30%左右；而如今，還不到5%。”
他還說：“所以，過去100年里發生的事情令人震驚：預期壽命從35歲左右增加到了80多歲……我們取得了巨大進步，但我們仍然不一定明白……掌握我們生命密碼的基因與身體里的其他一切是如何相互作用的。”
數據障礙
拉姆齊預計，在未來幾年里，深度學習人工智能將能夠繪制出我們的基因組和微生物組，并且弄清它們是如何影響我們的發育和抗病能力的。模型將能夠考慮關于一名特定患者的廣泛指標，并且通過對人類的整體理解，預測他們可能面臨或者目前患有的疾病。
拉姆齊在他的書中寫道，“只需向它們解釋新任務……而無需重新訓練”，這些新模型“就能解決以前沒有發現的問題”，能夠“接受輸入并且用不同的數據形式組合產生輸出(比如，它們可以采取圖像、文本、實驗室結果或者其他組合方式)”。
他說：“我們的頭腦不可能揭開那些關系。在這個領域，人工智能不是奢侈品，它將成為一種必需品。因為它是唯一能夠篩選數十億數據和數萬億連接并且弄清關鍵關系和關聯的技術。”
拉姆齊說，正在實施的這些模型面臨的主要障礙之一是，缺乏將為這些預測提供信息的有標記、結構化和經過驗證的醫療數據，原因是醫療已經落后于其他行業，而在那些行業，數字化和數據集體化方面的安全不那么令人擔憂。
非結構化和無標記的數據約占醫療數據的80%，這些數據可以分為多個位置和多種格式(包括紙面格式)。這些訓練數據中的缺陷可能導致人工智能模型的判斷錯誤，而數據集偏向于某種人群類型可能意味著它做出的決定會在無意中傷害另一人群。
他提到一個例子，他去年在紐約騎自行車發生事故時，盡管他的本地醫療中心在同一座城市，卻沒有他住進醫院重癥監護室的記錄。
他補充說：“即便關于一個人的數據只有一項缺失，也可能會改變他們的整個健康狀況。因此，如果你用人工智能算法預測他們的健康狀況或者幫助決策，而你缺少一項關鍵數據，這就是個真正的麻煩。”
隱私爭議
但是，提供先進人工智能模型所需的數據也有自己的挑戰，尤其是如果一個人群的完整醫療記錄保存在一個易受網絡攻擊的單一數據庫中，那么醫療隱私就有被侵犯的風險。據英國《獨立報》報道，去年針對英國國民保健署的勒索軟件攻擊攻破了一個包含110萬名患者信息的數據庫。
拉姆齊說，醫療人工智能服務提供商還將越來越多地被迫應對不同管轄區的“監管拼湊”，這可能會使安全要求和數據獲取復雜化。
與此同時，他把目前的醫療人工智能市場描述為“狂野西部”，美國食品和藥物管理局提供了審批的“低門檻”，從而加劇了臨床醫生對潛在解決方案的懷疑，于是減少了采用。
人工智能已經在復雜程度方面取得了巨大進展，促使其他領域的應用數量激增。例如，這篇采訪由人工智能工具轉錄而成，但仍然需要人來糾正偶爾出現的錯誤。
拉姆齊說，醫療行業的采用速度較慢，在一定程度上是因為對患者安全的擔憂和避免錯誤所需的保障，但也是因為臨床醫生對人工智能持懷疑態度。
醫景網2019年對三大洲的1500名醫生進行的調查發現，美國醫生仍然對使用人工智能持最懷疑的態度，近一半的人說，他們對在專業環境下使用人工智能軟件感到別扭。這可能在一定程度上是因為人工智能機器的回答往往是錯誤的卻令人信服。
在醫療環境下，這可能關乎生死，可能會讓醫生為錯誤承擔責任。具有解釋能力的人工智能模型或許可以緩解這種擔憂：不僅能提供答案，還能描述它們是如何得出這些答案的。
權衡安全
盡管拉姆齊知道人工智能的“黑匣子”概念，但他認為，模型的答案越復雜，利用的信息越多樣化，解釋模型的答案只會變得越困難。但他不確定這是否會成為一個問題。
他說：“我們今天使用的很多藥物，用了幾十年，它們幫助了數百萬人，我們不知道它們是怎么發揮作用的。所以，我們必須知道的是，算法如何得出了結論的整個想法可能不像檢測輸出和確保其一致性那么重要。”
后來進入醫療風險投資領域的拉姆齊表示，反過來，醫生可能擔心人工智能會削弱他們的作用。他說：“醫生是收入最高的專業人士之一。任何可能威脅到他們的收入和自主權的東西，從歷史上看，他們已經表明，他們非常擅長確保那些技術永遠不被采用。沒有人能強迫醫生以他們不情愿的方式行醫。”
但拉姆齊也設想，即便是最先進的人工智能醫療模型也只能輔助和影響醫生，永遠都不太可能把患者的治療完全交給機器。
他說：“人工智能無法權衡犯錯的成本。一種算法可能關乎數百萬人而不是一個人的生命。它可能會做出錯誤的預測，或者幫助每個使用該算法的人做出錯誤的決定。”
但他說，讓訓練有素、配備完善的人工智能模型為醫生的決策提供信息，好處是縮短了這些決策的時間，增大了患者康復和生存的可能性。
人工智能轉錄工具可以減少使用者必須花費的時間和精力，但仍然需要一個人來掌握刪除和保留哪些東西。同樣，拉姆齊希望人工智能醫療工具能夠幫助醫生更快和更準確地做出決定，而不是替他們做決定。
他在書中寫道：“飛行員過去手動駕駛飛機，但他們如今在計算機的幫助下操作儀表盤。這提高了飛行的安全性，也改善了航空業。醫療可以從同一種方式中獲益。”
美國《新聞周刊》網站2月4日刊登題為《人工智能可能會在數十年內解開人體的秘密》的文章，作者是亞歷克斯·菲利普斯，內容編譯如下：
一位醫生(同時也是一本關于新興技術在醫療領域應用的新書的作者)說，人工智能(AI)可能會比任何人類都能探索更多元的數據，從而在幾十年內解開我們身體的秘密并且準確診斷疾病。
羅納德·拉姆齊在接受記者采訪時說，雖然人工智能已經表明在臨床環境下具有實用價值，但目前使用的模型在復雜程度和范圍上都很有限。最終，“多模式”深度學習算法將能夠了解患者的多方面醫療數據，并預測他們可能存在的問題。
他說：“人工智能發揮最大影響的領域，將是分析我們身體的秘密以及體內基因與微生物組之間的復雜關系、我們的大腦中正在發生什么。”
大量范例
首先要克服一些障礙，包括缺乏足夠的數據來訓練人工智能模型、安全方面的擔憂以及兩方面的猶豫態度。
拉姆齊的論著《人工智能醫生：人工智能在醫療領域的興起》中收錄的研究顯示，目前，在醫療環境下使用人工智能通常僅限于在特定醫學領域執行小范圍的任務——但它們還是有用的。
在放射學方面，人工智能模型可以審查掃描結果，并識別可能遺漏的腫瘤或骨折。在拉姆齊擅長的心臟病學方面，一家公司開發了基于手機的算法，利用智能手表來監測佩戴者的心律，希望利用這種算法來確定患者何時可能會出現心臟驟停。
目前取得這些進步是因為算法只需要分析一種類型的數據，而且可以利用已經廣泛數字化的數據進行訓練。拉姆齊說，X光射線圖像“幾十年前”就被掃描到計算機上，這為用于在CT掃描中發現問題的人工智能程序，提供了可供在投入使用前學習的大量范例。
但拉姆齊說，相較于幾十年后可能出現的人工智能產品，回過頭看當前的產品將會像是醫療的“石器時代”。
他說：“想想看，人類已經在地球上生活了30萬年。一百年前，我們還沒有抗生素和麻醉藥物。我是一名心臟病學家。1970年，如果你犯了心臟病，死于心臟病的概率在30%左右；而如今，還不到5%。”
他還說：“所以，過去100年里發生的事情令人震驚：預期壽命從35歲左右增加到了80多歲……我們取得了巨大進步，但我們仍然不一定明白……掌握我們生命密碼的基因與身體里的其他一切是如何相互作用的。”
數據障礙
拉姆齊預計，在未來幾年里，深度學習人工智能將能夠繪制出我們的基因組和微生物組，并且弄清它們是如何影響我們的發育和抗病能力的。模型將能夠考慮關于一名特定患者的廣泛指標，并且通過對人類的整體理解，預測他們可能面臨或者目前患有的疾病。
拉姆齊在他的書中寫道，“只需向它們解釋新任務……而無需重新訓練”，這些新模型“就能解決以前沒有發現的問題”，能夠“接受輸入并且用不同的數據形式組合產生輸出(比如，它們可以采取圖像、文本、實驗室結果或者其他組合方式)”。
他說：“我們的頭腦不可能揭開那些關系。在這個領域，人工智能不是奢侈品，它將成為一種必需品。因為它是唯一能夠篩選數十億數據和數萬億連接并且弄清關鍵關系和關聯的技術。”
拉姆齊說，正在實施的這些模型面臨的主要障礙之一是，缺乏將為這些預測提供信息的有標記、結構化和經過驗證的醫療數據，原因是醫療已經落后于其他行業，而在那些行業，數字化和數據集體化方面的安全不那么令人擔憂。
非結構化和無標記的數據約占醫療數據的80%，這些數據可以分為多個位置和多種格式(包括紙面格式)。這些訓練數據中的缺陷可能導致人工智能模型的判斷錯誤，而數據集偏向于某種人群類型可能意味著它做出的決定會在無意中傷害另一人群。
他提到一個例子，他去年在紐約騎自行車發生事故時，盡管他的本地醫療中心在同一座城市，卻沒有他住進醫院重癥監護室的記錄。
他補充說：“即便關于一個人的數據只有一項缺失，也可能會改變他們的整個健康狀況。因此，如果你用人工智能算法預測他們的健康狀況或者幫助決策，而你缺少一項關鍵數據，這就是個真正的麻煩。”
隱私爭議
但是，提供先進人工智能模型所需的數據也有自己的挑戰，尤其是如果一個人群的完整醫療記錄保存在一個易受網絡攻擊的單一數據庫中，那么醫療隱私就有被侵犯的風險。據英國《獨立報》報道，去年針對英國國民保健署的勒索軟件攻擊攻破了一個包含110萬名患者信息的數據庫。
拉姆齊說，醫療人工智能服務提供商還將越來越多地被迫應對不同管轄區的“監管拼湊”，這可能會使安全要求和數據獲取復雜化。
與此同時，他把目前的醫療人工智能市場描述為“狂野西部”，美國食品和藥物管理局提供了審批的“低門檻”，從而加劇了臨床醫生對潛在解決方案的懷疑，于是減少了采用。
人工智能已經在復雜程度方面取得了巨大進展，促使其他領域的應用數量激增。例如，這篇采訪由人工智能工具轉錄而成，但仍然需要人來糾正偶爾出現的錯誤。
拉姆齊說，醫療行業的采用速度較慢，在一定程度上是因為對患者安全的擔憂和避免錯誤所需的保障，但也是因為臨床醫生對人工智能持懷疑態度。
醫景網2019年對三大洲的1500名醫生進行的調查發現，美國醫生仍然對使用人工智能持最懷疑的態度，近一半的人說，他們對在專業環境下使用人工智能軟件感到別扭。這可能在一定程度上是因為人工智能機器的回答往往是錯誤的卻令人信服。
在醫療環境下，這可能關乎生死，可能會讓醫生為錯誤承擔責任。具有解釋能力的人工智能模型或許可以緩解這種擔憂：不僅能提供答案，還能描述它們是如何得出這些答案的。
權衡安全
盡管拉姆齊知道人工智能的“黑匣子”概念，但他認為，模型的答案越復雜，利用的信息越多樣化，解釋模型的答案只會變得越困難。但他不確定這是否會成為一個問題。
他說：“我們今天使用的很多藥物，用了幾十年，它們幫助了數百萬人，我們不知道它們是怎么發揮作用的。所以，我們必須知道的是，算法如何得出了結論的整個想法可能不像檢測輸出和確保其一致性那么重要。”
后來進入醫療風險投資領域的拉姆齊表示，反過來，醫生可能擔心人工智能會削弱他們的作用。他說：“醫生是收入最高的專業人士之一。任何可能威脅到他們的收入和自主權的東西，從歷史上看，他們已經表明，他們非常擅長確保那些技術永遠不被采用。沒有人能強迫醫生以他們不情愿的方式行醫。”
但拉姆齊也設想，即便是最先進的人工智能醫療模型也只能輔助和影響醫生，永遠都不太可能把患者的治療完全交給機器。
他說：“人工智能無法權衡犯錯的成本。一種算法可能關乎數百萬人而不是一個人的生命。它可能會做出錯誤的預測，或者幫助每個使用該算法的人做出錯誤的決定。”
但他說，讓訓練有素、配備完善的人工智能模型為醫生的決策提供信息，好處是縮短了這些決策的時間，增大了患者康復和生存的可能性。
人工智能轉錄工具可以減少使用者必須花費的時間和精力，但仍然需要一個人來掌握刪除和保留哪些東西。同樣，拉姆齊希望人工智能醫療工具能夠幫助醫生更快和更準確地做出決定，而不是替他們做決定。
他在書中寫道：“飛行員過去手動駕駛飛機，但他們如今在計算機的幫助下操作儀表盤。這提高了飛行的安全性，也改善了航空業。醫療可以從同一種方式中獲益。”
本文鏈接：人工智能醫療或將破解人體秘密http://www.lensthegame.com/show-2-4007-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任，僅提供存儲服務。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 海龜深潛時一分鐘心跳只有兩次
下一篇： 人類祖先200萬年前開始捕魚