Google的医学AI在实验室中非常精确
新时代，高科技越来越发达。朋友们读了很多关于科技的重要新闻。我们也应该在生活中使用很多这些高科技的东西。朋友应该注意什么？今天，我想和大家分享一条关于科技的知识。我希望你会喜欢它。
然而，谷歌健康(Google Health)进行的一项研究(第一项关于深度学习工具在实际临床环境中的影响的研究)表明，即使是最精确的人工智能，如果不针对它们将工作的临床环境进行定制，实际上会使情况变得更糟。
在临床环境中部署AI的现有规则(如美国FDA许可标准或欧洲CE标志)主要关注准确性。没有明确要求人工智能必须改善患者的预后，主要是因为还没有进行这样的试验。但这需要改变。谷歌健康的UX研究员艾玛比德说：“在广泛部署人工智能工具之前，我们必须了解人工智能工具将如何在特定环境中为人们服务，尤其是在医疗保健领域。”
谷歌在真实环境中测试该工具的第一次机会来自泰国。卫生部制定了每年筛查60%糖尿病患者糖尿病视网膜病变的目标，如果不及早发现，可能会导致失明。然而，大约有450万患者，只有200名视网膜专家，这大约是美国的两倍。诊所正在努力实现这一目标。谷歌拥有CE标志许可，覆盖泰国，但仍在等待FDA批准。因此，为了了解AI是否能有所帮助，Beede和她的同事在全国11家诊所配备了深度学习系统，可以通过训练发现糖尿病患者眼部疾病的征兆。
在泰国一直使用的系统中，护士会在检查时给病人的眼睛拍一张照片，然后送到其他地方的专家那里进行检查，这可能需要长达10周的时间。谷歌健康研发的AI可以从眼部扫描中识别糖尿病视网膜病变的体征，准确率超过90%(团队称之为“人类专家水平”)，原则上不到10分钟就能得到结果。该系统分析图像以指示疾病状况，例如血管堵塞或渗漏。
听起来令人印象深刻。然而，实验室的准确性评估只能到此为止。它没有透露人工智能在现实世界中的表现，这正是谷歌健康团队想要了解的。在过去的几个月里，他们观察了护士进行的眼部扫描，并采访了他们使用新系统的经验。反馈不是完全积极的。
如果运行良好，AI真的可以加快速度。但有时候根本给不出结果。像大多数图像识别系统一样，深度学习模型已经在高质量扫描中得到训练；为了确保准确性，它被设计为拒绝质量低于某个阈值的图像。因为护士每小时扫描几十个病人，而且经常在光线不足的情况下拍照，超过五分之一的图像被拒绝。
通知图像被踢出系统的患者，他们将不得不在另一天去另一个诊所。如果他们觉得很难下班或者没有车，显然是不方便的。护士们很沮丧，尤其是当他们认为被拒绝的扫描显示没有疾病的迹象，并且不需要随访时。他们有时会浪费时间试图重拍或编辑被人工智能拒绝的图像。
本文就为大家讲解到这里了。