人工智能不会取代医生-它会让他们变得更好

2020-07-18 05:17:41

皮肤科医生哈拉尔德·基特勒(Harald Kittler)在维也纳医科大学教授学生如何诊断皮肤损伤时,利用了十多年的经验。他今年秋天的课程将包括他最近才从一种不同寻常的来源学到的一条提示:一种人工智能算法。

这一教训源于基特勒帮助组织的一场比赛,该比赛展示了图像分析算法在诊断一些皮肤瑕疵方面的表现可以超过人类专家。在消化了1万张由医生标记的图像后,该系统可以在新图像中区分不同类型的癌和良性病变。他们超越人类精确度的一个类别是被称为色素光化性角化病的鳞片。反向工程一个类似训练的算法来评估它是如何得出结论的,结果表明,当诊断这些病变时,系统比往常更关注瑕疵周围的皮肤。

基特勒最初感到惊讶,但后来看到了这种模式的智慧。该算法可以检测周围皮肤的阳光照射,这是此类损伤的一个已知因素。今年1月,他和他的同事要求一个四年级医科学生的班级像算法一样思考,寻找阳光损伤。

在一项必须识别几种皮肤损伤的测试中,学生们诊断色素性光化性角化病的准确性提高了三分之一以上。“大多数人认为人工智能是在一个人类无法理解的不同世界里活动,”Kittler说。“我们的小实验表明,人工智能可以开阔我们的视野,帮助我们建立新的联系。”

维也纳的实验是Kittler和其他十几个人进行的一项更广泛研究的一部分,该研究旨在探索医生如何与分析医学图像的人工智能系统合作。自2017年以来,一系列研究发现,机器学习模型在面对面的比赛中表现优于皮肤科医生。这引发了人们的猜测,皮肤专家可能会被一代AutoDerm3000完全取代。

维也纳医科大学皮肤病学助理教授菲利普·钱德尔(Philipp Tschandl)与基特勒等人共同参与了这项新研究,他说,现在是时候重新安排对话了:如果算法和医生是同事,而不是竞争对手,会怎么样?

他说,皮肤专家除了观察痣外,还计划治疗,合成关于患者的不同数据,并建立关系。计算机还远不能做到这一切。“不幸的是,这些东西取代我们的可能性非常低,”他说。“合作是唯一的出路。”

油漆商店、仓库和呼叫中心的运营商也得出了同样的结论。他们没有取代人类,而是在人的身边使用机器,以提高他们的效率。原因不仅仅是多愁善感,还因为许多日常任务太复杂了,现有的技术无法单独处理。

考虑到这一点,皮肤科研究人员测试了医生可以从图像分析算法获得帮助的三种方式,该算法在诊断皮肤损伤方面优于人类。他们用皮肤科医生标记的七种皮肤病变的数千张图像来训练系统,包括恶性黑色素瘤和良性葡萄胎。

一种将该算法的能力交到医生手中的设计显示了当医生检查皮肤损伤的新图像时,按概率排序的诊断列表。另一项研究只显示了病变是恶性的可能性,更接近于可能取代医生的系统的视野。第三个检索到算法判断为相似的先前诊断的图像,为医生提供一些参考点。

对300多名医生进行的测试发现,当使用排名的诊断列表时,他们变得更加准确。他们做出正确决定的比率上升了13个百分点。另外两种方法并没有提高医生的准确性。而且并不是所有的医生都能得到同样的好处。

经验较少的医生,如实习生,会更频繁地根据人工智能建议更改诊断,而且这样做往往是正确的。经验丰富的医生,如经验丰富的委员会认证皮肤科医生,根据软件的输出更改诊断的频率要低得多。这些经验丰富的医生只有在报告不那么自信的时候才会受益,即使这样,好处也是微乎其微的。

Tschandl说,这表明人工智能皮肤病工具最好的目标可能是培训专家的助手,或者像全科医生这样在该领域不密集工作的医生。“如果你已经做了10年以上,你就不需要或不应该使用它,因为它可能会把你引向错误的事情,”他说。在某些情况下,经验丰富的医生在算法错误时通过不正确的切换来否定正确的诊断。

这些发现和基特勒皮肤科课堂上的实验表明,研究人员可能会开发出提升而不是淘汰医生的人工智能。俄勒冈健康与科学大学(Oregon Health&;Science University)皮肤病教授、黑色素瘤专家桑西·利赫曼(Sancy Leachman)希望看到更多这样的研究--而不是因为她担心被取代。

“这不是谁做工作的问题,是人还是机器,”她说。“问题是,你如何成功地利用两个世界的最好之处,以获得最好的结果。”她说,帮助全科医生发现更多黑色素瘤或其他皮肤癌的人工智能可以拯救许多人的生命,因为皮肤癌如果及早发现,是高度可治疗的。Leachman补充说,让医生接受旨在增强和建立他们工作的技术可能比取代它更容易。

这项新的研究还包括一项实验,强调了这种拥抱的潜在危险。它测试了当医生使用算法的一个版本进行操作时会发生什么,该版本的算法经过调整,给出了不正确的建议,模拟了有问题的软件。事实证明,各级经验的临床医生都很容易误入歧途。

Tschandl说:“我的希望是医生们会对此坚定不移,但我们看到他们对人工智能模型的信任变成了对他们的反对。”他不确定答案可能是什么,但他说,未来的医学人工智能工作需要考虑如何帮助医生决定何时不相信计算机告诉他们的话。

5G本来是要团结世界的,但它却把我们撕裂了。

🎙️收听“连线”,这是我们关于未来如何实现的新播客。收看最新剧集,订阅📩时事通讯,跟上我们所有节目的最新动态。

🏃🏽‍♀️想要最好的健康工具吗?看看我们Gear团队挑选的最好的健身跟踪器、跑步装备(包括鞋子和袜子)和最好的耳机