（文章來源：教育新聞網）

人工智能能否與醫生的診斷技能相提并論?一款軟件是否能超越各國勞累過度的醫務人員的能力?一項研究得出結論認為可以做到;但與以往一樣，現實可能更加復雜。發表在《柳葉刀數字健康》上的報告進行了薈萃分析(一項研究研究)，以分析醫生和AI系統在診斷特定疾病時的比較情況。

在審查了82項研究后，該報告得出結論：“我們的審查發現深度學習模型的診斷性能與醫療保健專業人員相當。”機器零錢?也許還沒有。該論文的作者指出，很少有將醫生和“深度學習算法”進行比較的研究在相同的數據樣本上對它們進行測試，或者其結果得到了外部機構的驗證。同樣，它指出，“報告不佳”決定了所涉人員的診斷準確性。

人工智能對疾病的總體診斷水平為，人工智能為87%，醫療專業人員為86.4%。我們應該繼續解雇一些文檔并在他們的診室安裝Hal嗎?有趣的是，人與機器研究的結果應該如此緊密地聯系在一起：AI是否正在復制使用其訓練數據的醫生的成功和失敗?還值得注意的是，在醫學領域，要求AI做些限制。幾乎唯一地，它被要求讀取圖像掃描-超聲波，X射線，CT及其他。

AI在那里可以發現通常容易識別的狀況-骨折，腫塊，視網膜改變。擁有明確定義的疾病標準，使AI和受訓醫生更容易學習。

但是掃描很少那么簡單。X射線通常以“可能出現X病的證據”或“如果符合臨床情況可能是Y病”的形式退還給醫生。掃描永遠不會自己解釋：掃描結果會與血液檢查結果，歷史數據，全科醫生的處方和以前的住院記錄，推薦信，記錄患者的病史然后再進行分析，以及護士在繼續檢查之前告訴您的內容午休時間，以及其他許多信息來源。

僅解釋掃描將使您走到現在。

同樣，醫學上有一種說法是“您不治療X射線，而是治療患者”。醫生會告訴您，他們已經看過一些人的掃描，他們認為如果沒有醫學界的任何幫助，他們的狀況會非常痛苦或殘疾，他們的狀況會很好。同樣，他們將看到僅顯示輕微疾病或傷害的掃描結果，患者所遭受的疼痛要比屏幕上顯示的要嚴重得多。解釋掃描很有用，但這只是圖片的一部分–與患者坐下將為您提供更多信息。在醫學上也有另一句話：“仔細聽病人說，他們會告訴你診斷” –也就是說，如果你和病人說話足夠，就不必訂購一系列掃描儀，首先進行測試。

盡管如此，在放射科醫生喝早茶之前擁有一臺可以讀取800次掃描的AI(可以輕松識別或以其他方式識別)使醫生的生活更加輕松：如果AI可以將需要進行活檢的人與需要放心的人區分開，它將為醫生提供幫助很多等待。掃描結果可能需要幾天的時間才能到達負責管理患者護理的醫生手中，這意味著要等到做出某些臨床決定后，才能將其推遲。認可機構將幫助減輕這些問題。

但是，為什么人類醫生比AI花費更長的時間來進行掃描?這不是能力問題，通常是人員配備問題。根本沒有足夠的員工來扭轉局面(醫療保健部門的人員短缺是嚴重的，并且由于多種因素而造成破壞，尤其是預算有限)。盡管使用NHS數據集的AI公司可以提供免費或低成本訪問所產生的產品，但很難想象成功的診斷AI最終不會在長期內為預算帶來麻煩。