中山大學中山眼科中心近日發布消息稱，該中心人工智能學科團隊完成醫療AI(人工智能)醫生多中心隨機對照研究。研究顯示，AI醫生在真實臨床門診中準確率較人類醫生低，但是AI診斷耗時短，表明現階段的醫療AI可以在臨床上輔助人類醫生，提高工作效率。
該中心利用深度學習建立了“先天性白內障人工智能診斷決策平臺”，把入組的兒童患者隨機分成兩組，分別進入由該平臺接診的人工智能門診和具有5年臨床經驗的人類眼科醫生接診的專科門診接受診斷，對比兩組醫生對先天性白內障診斷的準確性。AI醫生在真實臨床門診中對先天性白內障的診斷準確率為87.4%，與試驗訓練階段的準確率98.87%相比有差距，也低于人類專科醫生的準確率，表明AI在實驗室試驗的訓練結果并不能完全代表其真正的診斷能力。這一結果已經發表在國際權威醫學期刊《柳葉刀》子刊E Clinical Medicine最新一期(2019 Mar)上。
這項研究似乎部分驗證了之前的另一個消息，IBM人工智能醫療部門沃森健康大幅裁員五到六成，其“醫療AI宣告失敗”。但消息并非完全準確，事實上不只IBM沒有放棄醫療AI的探索，世界上更多的人工智能公司和醫學研究機構都在聯手，進一步加強這方面的研究。
不過，中山眼科中心的研究結果也再次明確了，現階段醫療AI還不能落地，至多可輔助人類醫生進行醫療和研究工作。
從技術上看，現代醫療(醫學)更適合于采用現代技術，在科學邏輯上也更適應和吻合，即循證醫學。現代醫學需要通過隨機雙盲大規模臨床試驗和病例治療以獲得大數據支撐的對疾病治療效果的證據。這些數據又可以通過計算機和AI的算法學習來對有明確病因、病癥的疾病進行診治。此外，現代技術也日益廣泛而深入地滲透到醫療領域，如CT電子計算機斷層掃描(CT)、磁共振成像(MRI)、心腦電圖等。
因此，當世界上第一位AI醫生——沃森醫生問世之時，人們對其寄予了諸多希望，對其功能和真實效果的解讀也或多或少夸大了。但后來的一系列研究表明，對醫療AI揠苗助長的心態不可有，沃森醫生也會開錯藥。現在，中山眼科中心的研究同樣發現，醫療AI在試驗階段的準確度會更高，但在實際診治疾病時正確率會下降。
原因當然是多方面的，不過，人類疾病的發生、發展和轉歸都有無數的因素綜合交織在一起，很多疾病機理連人類都還不清楚，更何況AI學習和體驗的。致病因素不僅有生物的，如細菌、病毒、支原體等微生物，還有物理的，如聲光電、溫度和干濕度等，也有化學的，如苯并比、二惡英、各種殺蟲劑、農藥等。而無論是生理還是病理的作用，需要在活著的生物體中才能真實發生，例如很多酶都是需要在有機活體某一范圍的溫度下才有活性，并發揮作用;有些病毒需要生物體特殊的細胞結構才能入侵人體，如HIV入侵人體T細胞。
現階段除了讓醫療AI輔助人類醫生以提高工作效率外，研發和應用應當側重最容易學習也最有效果的一些領域。實踐證明，有大量標注數據、規則清楚、圖像和標志清晰、結果定義明確的疾病比較適合利用人工智能，如食道癌的診斷。此外，對于單一病種的細分領域，如心電圖的判讀，AI也有較高的準確率。
此外，AI進入醫療領域，也應有社會倫理和法律的制約。正如自動駕駛出現意外誰需要負責一樣，如果AI診治疾病出現誤診誤治誰來負責，是AI?AI的設計者?抑或是AI的操作者?現在，一些國家已經在研究無人駕駛的各種問題，同樣，AI應用于醫療也需要研究相應的法律責任和解決之道。解決了倫理和法律問題，在技術有了突破后，AI才能真正應用于各種領域。(張田勘)
