以当下热门的医学影像辅助诊断的产品为例，这些产品背后的数理模型往往在经过足够多的高质量临床影像数据训练之后，才能达到普适性更强、准确度更高的诊断或分类效果，因此前期需要和各大医院合作，投入大量时间和资金。
然而，从平均水平来看，国内医院现有业务产出的医疗数据质量普遍不高，特别是病历数据，不同医院写法不同，详略质量参差不齐，同一个病人在不同医院就诊的数据无法链接、整合、形成队列，碎片化程度高；对影像数据而言，图片质量标准化程度低，带专业标注的影像图片更需要额外制作；这些都给进一步优化现有人工智能产品带来了阻碍。
由于医疗中的数据问题比比皆是，刘昌孝也提出在医疗领域实施机器学习时的一些担心：“一是学习训练应用人工智能‘专业数据库’的缺乏；二是管理科学操作性，如在隐私伦理、记录识别、健康数据保险流通等问题很难实现合法性。”
刘昌孝指出，设计的人工智能技术解决方案要想顺利运用到临床实践和病人护理中，需要高层次专家的综合分析能力来实现。否则，错误的解决方案甚至可能对医疗保健行业造成伤害。对于很多临床医生和实践者来说，实施并整合技术是一大难点和挑战。
在技术层面，贺林表示，人工智能在用于获取信息的设备上还存在较大的发展空间。比如基因组信息，目前基本上还依赖大型的测序仪器，个人甚至部分医院都无法独立开展测序操作。不过，他认为，未来随着医疗领域对人工智能认可度和配合度的进一步提高以及人工智能算法在容错性方面的改进，上述情况应该会得到改善。
“人机协同”是关键
“人工智能和医疗大数据的应用将会推动整个医疗行业发生前所未有的变革。如果把医师比作是飞行员，一旦给医师们赋予了医疗领域的智能导航系统，那么医疗服务才有机会‘飞得更高’。”张黎刚对记者说。
贺林指出，本次《规划》多次提到“人机协同”这一关键词，表明当前人工智能产品应该以人为本，以医生和个人使用者的需求为核心，不以“取代”为目的地开展辅助性协作。另外在政策法律方面也有规定，由于医疗责任主体不明，监管部门禁止人工智能产品独立提供轻微疾病的诊断和重症的任何建议，目前只能在轻疾方面提供一些咨询和建议。
“因此，医生的地位是不太可能被取代的，未来最有可能被取代的是一些低水平的重复性劳动岗位，比如挂号收费员、前台咨询员、发药员等，解放这部分人的生产力，转而从事更加有创造性的工作。”贺林说，“未来5~20年，我们如果能够合理充分地利用好人工智能技术，它将会大大提高医院内部的业务效率甚至医院间的转诊协作水平，改善我国现在看病人多为患、医生苦不堪言、医患纠纷时有发生的现状。”
在贺林看来，人工智能产品将充分发挥其在记忆力、学习能力和运算速度上人类无法比拟的优势，成为医务人员的得力助手。
来源：李惠钰
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
0
