人工智能（AI）有望顛覆醫(yī)學(xué)實(shí)踐，提高放射學(xué)和病理學(xué)等依賴圖像的專業(yè)診斷的效率和準(zhǔn)確性。隨著這項(xiàng)技術(shù)的飛速發(fā)展，專家正在努力解決它的潛在缺點(diǎn)。“利用這項(xiàng)技術(shù)開(kāi)展工作后，我看到了很多可能失敗的地方。”美國(guó)加州大學(xué)圣迭戈分校放射科醫(yī)生Albert Hsiao說(shuō)，他開(kāi)發(fā)了讀取心臟圖像并提高圖像質(zhì)量的算法。一個(gè)主要擔(dān)憂是：大多數(shù)人工智能軟件都是在一家醫(yī)院設(shè)計(jì)和測(cè)試的，而當(dāng)它們被轉(zhuǎn)移到另一家醫(yī)院時(shí)，就有可能出現(xiàn)問(wèn)題。

　　今年5月，美國(guó)政府科學(xué)家、監(jiān)管機(jī)構(gòu)和醫(yī)生在《美國(guó)放射學(xué)會(huì)雜志》發(fā)表了一份路線圖，描述了如何把基于科研的人工智能轉(zhuǎn)化為對(duì)患者更好的醫(yī)學(xué)成像。研究人員還敦促，在構(gòu)建和測(cè)試人工智能算法方面加強(qiáng)跨學(xué)科合作，在算法抵達(dá)患者之前對(duì)其進(jìn)行深入驗(yàn)證。Hsiao說(shuō)，目前，即便旁邊有一臺(tái)機(jī)器嗡嗡作響，“無(wú)論如何，我還是想要一名人類醫(yī)生”。

　　當(dāng)科學(xué)家向一些算法輸入成百上千張圖像時(shí)，比如乳房X光片，這些算法就會(huì)學(xué)習(xí)如何訓(xùn)練這種技術(shù)，使其比人類更快、更準(zhǔn)確地識(shí)別模式。但紐約市西奈山醫(yī)院的神經(jīng)外科醫(yī)生Eric Oermann探索了這種算法的一個(gè)缺點(diǎn)：與患者的其他特征、MRI機(jī)器品牌，甚至掃描儀的角度等相比，它們識(shí)別的信號(hào)與疾病的關(guān)聯(lián)度更低。

　　Oermann與同事建立了一個(gè)檢測(cè)患者肺炎模式的數(shù)學(xué)模型，并用西奈山醫(yī)院患者的X光片對(duì)其進(jìn)行了訓(xùn)練。其中34%的X光片來(lái)自西奈山醫(yī)院受感染的患者。當(dāng)在西奈山醫(yī)院另一批患者的X光片上進(jìn)行測(cè)試時(shí)，該算法能夠以93%的準(zhǔn)確度檢測(cè)出肺炎。Oermann也在另外兩個(gè)站點(diǎn)的數(shù)萬(wàn)張X光片上進(jìn)行了測(cè)試，包括美國(guó)國(guó)立衛(wèi)生研究院臨床中心和印第安納州患者護(hù)理機(jī)構(gòu)，這些醫(yī)院的病人肺炎發(fā)病率剛剛超過(guò)1%。研究發(fā)現(xiàn)，其識(shí)別的成功率下降了73%至80%。“效果不太好，因?yàn)槠渌t(yī)院的病人不一樣。”O(jiān)ermann說(shuō)。

　　盡管如此，美國(guó)食品藥品監(jiān)督管理局（FDA）已經(jīng)批準(zhǔn)了一些算法。Hsiao創(chuàng)建的一種算法是在心臟MRI上測(cè)量心臟大小和血流情況。讓他沮喪的是，手工分析數(shù)據(jù)至少要花6個(gè)小時(shí)，所以他回到了計(jì)算機(jī)科學(xué)專業(yè)，編寫(xiě)了軟件。隨后他在加州舊金山成立了Arterys公司，并在約6個(gè)月內(nèi)獲得了FDA的批準(zhǔn)。目前，Hsiao正在研究一種算法，使其通過(guò)繪制在肺部的潛在位置更容易地找到肺炎。

　　但他說(shuō)，拍板的依然是醫(yī)生，而不是機(jī)器，人依然凌駕于技術(shù)之上。“如果我認(rèn)為這不是肺炎”，Hsiao說(shuō)，“那就不是。”