《柳叶刀》子刊：AI有望独当一面，但相比医生人文关怀还是空白

药明康德AI/报道

人工智能在医疗健康领域真正能起多大作用？是风口，还是被过度“炒作”推高了预期？此前我们介绍的AI应用于疾病预测的研究多数基于单一疾病研究。

而一项来自伯明翰大学（University of Birmingham）的最新研究显示，通过综合分析《柳叶刀·数字健康》（The Lancet Digital Health）杂志上发表过的科学文献中的所有可用证据，AI有望与专业医生一样成功诊断多种疾病。根据系统综述（systematic review）以及荟萃分析（Meta-analysis）结果显示，人工智能通过医学影像检测疾病的准确度超过医生。医疗AI在经过一段时间的“沉寂”后，再迎进展。这项最新的综合型研究也发表于《柳叶刀·数字健康》上。

为确保本项研究的质量和重磅性，只有高质量学术论文才能作为分析样本被纳入本次研究中。论文作者表示，目前这一领域缺乏将人机性能直接比较的研究；同时，也没有说服力的研究表明：概念验证阶段性能良好的AI等同于临床性能良好。也就是说，现有的AI应用于医疗领域的研究仍存在不确定性。

医生vs.人工智能

那么本研究中纳入的那些高质量的论文，它们表现如何？AI真的强于医生吗？研究人员发现，只有为数不多的高质量研究中，AI算法可以像医生一样准确检测出从癌症到眼疾等各种不同疾病，并将真实的临床价值纳入研究。

图片来源：Pixabay

他们对2012年1月至2019年6月发表的所有研究进行了系统的回顾和荟萃分析，从研究设计、报告和临床价值这几方面比较了深度学习模型和专业医生基于医学影像检测疾病的表现，来用数字证明医生和AI到底谁更强。他们评估审阅超过20,500篇与医学AI 有关的论文，其中只有不到1%（82篇）的文章的核心思想“站得住脚”。

而这82篇中只有25项研究符合荟萃分析的入选标准，包括了多个专业领域的诊断分类，眼科（6项）、乳腺癌（3项）、肺癌（2项）、皮肤病（3项）、创伤和骨科（2项）、呼吸系统疾病（2项），以及针对心脏病、胃肠病或肝病、胃肠病或肝癌、颌面外科、甲状腺癌、神经病和鼻咽癌的研究各1项。这些研究从外部验证了AI模型的可行性，即使用不同人口种群患者的医学图像作为算法的训练对象。

在25项符合标准的研究中，只有14项研究是针对AI和医生面对同一患者数据集进行比较诊断的。基于这14项研究他们进行相关分析发现，AI略胜一筹。可以正确检测出87%的疾病种类，医疗专业人员则为86%；AI还能以93%的正确率识别出不同病例中未患病的人，而医生则为91%。

应用于临床，还需要一点人文关怀

研究团队也注意到，深度学习经常以不反映临床实践的方式单独进行评估。符合标准的文献中，只有4项研究为医护从业人员提供可用于临床的有效信息。一定程度说明，目前聚焦于真实临床环境中进行的AI前瞻性研究少。研究团队表示，确定AI诊断的准确性，不能只停留在概念验证阶段或是源于数据库的数据集，更需基于真实世界患者信息；而且同行需要增强研究报告中数据的完整性，这才不会限制重磅结论的得出。

伦敦Moorfields眼科医院的Livia Faes博士补充说：“到目前为止，几乎没有一项研究可以通过AI的诊断决策，进而得知对患者的实际疗效，比如治疗是否足够及时、患者应何时出院，甚至治疗后存活率。”

图片来源：Pixabay

不可否认，借助人工智能，计算机可以检查成千上万张医学图像来识别疾病模式，这为提高诊断的准确性和速度提供了巨大的潜力。这项综述研究近两日引起热议，此前FDA也已经批准了30多种医疗保健领域的AI系统。在一些常见疾病的诊断领域，人工智能的确可以肩负起“重任”。

医疗AI在众说纷纭中前行，但人们完全认为AI诊断力胜于人类医生，也有失偏颇。医生不仅需要过硬的专业能力，“有时去治愈，常常去帮助，总是去安慰”才是这类职业存在的意义，这也是目前的人工智能所做不到的人文关怀。

本文由药明康德AI整理编译

题图来源：Pixabay

参考资料（可上下滑动查看） 

[1] The Lancet Digital Health:First systematic review and meta-analysis suggests artificial intelligence maybe as effective as health professionals at diagnosing disease Retrieved Sep 27,2019

from https://www.eurekalert.org/pub_releases/2019-09/tl-pss092319.php

[2] A comparison of deeplearning performance against health-care professionals in detecting diseasesfrom medical imaging: a systematic review and meta-analysis Retrieved Sep 27,2019

fromDOI:https://doi.org/10.1016/S2589-7500(19)30123-2

[3] Human versus machine inmedicine: can scientific literature answer the question? Retrieved Sep 27, 2019from https://doi.org/10.1016/S2589-7500(19)30124-4

版权说明：欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「药明康德AI」微信公众号后台回复“转载”，获取转载须知。

更多文章精选

点击图片阅读：Watson虽陷泥潭，IBM再开源3个癌症AI项目，推动癌症领域研究

点击图片阅读：良药不苦口，3D打印技术打造出个性化“糖果药丸”

点击图片阅读：谷歌、亚马逊、Facebook纷纷挑战蛋白质折叠问题，布局新药研发

点“在看”，分享AI健康新动态