人工智能及其在医疗领域中的应用现状(3)
【作者】网站采编
【关键词】
【摘要】3AI在医疗领域应用中的优势和不足 3.1优势 AI之所以能逐步渗透于医疗领域并发展壮大,主要基于3个优势:其一,AI的准确度高。这不仅基于其日益丰富的
3AI在医疗领域应用中的优势和不足
3.1优势 AI之所以能逐步渗透于医疗领域并发展壮大,主要基于3个优势:其一,AI的准确度高。这不仅基于其日益丰富的知识库,还在于其分析问题时能全面考虑,综合所有输入参数而没有遗漏。其二,AI反应灵敏,分辨率高,可以发现人类感官难以辨别的微小差异。其三,高效的AI系统可以节约人工消耗,尤其是重复性高且烦琐的工作比如影像和病理检查方面能很好地完成。
当前我国医务人员数目相对较少,优秀医疗人才多集中于大型医院,而基层医院的医疗水平仍停留在较低水平,与医学前沿发展脱轨。在社区医院引入集成了丰富数据库的AI系统,不仅能提高基层医疗机构的诊疗水平,更是直接推动了分级诊疗制度的发展。
3.2不足 AI在应用过程中仍然存在一些问题,首要问题就是数据的共享性。如今大多数医疗机构采取独立的数据库,建立自己的标准,数据共享性差。况且由于当前大多数先进的AI平台是国外基于其所在地的医疗数据开发的,在引入时还需先行验证其适用性,这导致AI的推广难以直接开展。然而,伴随着数据的共享,患者信息安全也需要提上日程,以避免在数据传输、保存过程中发生信息泄露。其次,数据和AI算法的透明性不足也会直接影响到最终效用。特别是在监督学习的过程中,如果对输入数据进行了错误的标注,会导致推理过程产生偏差。对于算法而言,透明性主要体现模型的可解释性上,即人类能否理解或解释机器所得出的结论,无法人为解释的推理过程很可能是无意义的,这在以患者为对象的医疗领域更难让人接纳。因此,在设计的时候要注意到这一问题,力求能做到对算法进行及时审查并纠正[26]。再次,建立完善的AI平台需要耗费数亿的资金,后期还需继续收集最新数据,不断更新算法,这就导致目前研究AI的公司并不多,整体进展也相对缓慢。最后,AI毕竟是机器,目前技术还未赋予其人性,无法真正像人类一样思考问题,在这种情况下的“医患关系”可能出现一些问题,比如缺乏人文关怀,难以针对个体进行治疗方案选择,以及出现医疗事故时的责任划分。
4 小结与展望
综上所述,AI技术在医疗领域中的应用已取得巨大的突破,且将成为未来医学的一个发展趋势。AI不仅能提高医疗水平的技术深度,还可增加优质医疗的覆盖广度。尽管国内的AI技术发展已接近国际水平,但应用规模和国外还存在较大差距,仍有很大的提升空间[27]。为了建立更完善、更高效的AI平台,相关行业的学者需密切合作并正确训练算法。随着AI的继续发展,无须担心AI是否会取代医生,而更应关注医生在临床工作中如何充分利用AI,并积极优化AI的应用,与AI技术携手步入“AI+医疗”时代。
[1] 姚云清.新技术革命对现代医学发展的影响[J].西北医学教育,2004,12(增1):1-3.
[2] NILSSON Intelligence:a new Synthesis[M].San Francisco:Morgan Kaufmann Publishers,1998:2.
[3] RUSSELL SJ,NORVIG intelligence:a modern approach[M].Malaysia:Pearson Education Limited,2016:3-28.
[4] NGUYEN G,DLUGOLINSKY S,BOBK M,et learning and deep learning frameworks and libraries for large-scale data mining:a survey[J].Artif Intell Rev,(2019-01-19)[2019-02-20].
[5] LIAO system methodologies and applications-a decade review from 1995 to 2004[J].Expert systems with Applications,2005,28(1):93-103.
[6] RAJPURKAR P,IRVIN J,BALL RL,et :radiologist-level pneumonia detection on chest X-rays with deep learning[J].PLoS Med,2018,15(11):e.
[7] MüNZER B,SCHOEFFMANN K,B?SZ?RMENYI processing and analysis of endoscopic images and videos:a survey[J].Multimed Tools Applicat,2018,77(1):1323-1362.
[8] MOHAMMED MA,GHANI MKA,ARUNKUMAR N,et support system for nasopharyngeal carcinoma discrimination from endoscopic images using artificial neural network[J].J Supercomput,(2018-09-06)[2019-02-20].
[9] 人工智能腾讯科技.腾讯发布一个AI神器有望攻克食管癌早筛难题[J].信息与电脑(理论版),2017(15):5.
[10] SALTO-TELLEZ M,MAXWELL P,HAMILTON intelligence-the third revolution in pathology[J].Histopathology,2019,74(3):372-376.
[11] ROBERTSON S,AZIZPOUR H,SMITH K,et image analysis in breast pathology-from image processing techniques to artificial intelligence[J].Transl Res,2018,194:19-35.
[12] YAP J,YOLLAND W,TSCHANDL skin lesion classification using deep learning[J].Exp Dermatol,2018,27(11):1261-1267.
[13] LEE CS,BAUGHMAN DM,LEE AY.Deep learning is effective for classifying normal versus age-related macular degeneration[J].Ophthalmol Retina,2017,1(4):322-327.
[14] ZHOU N,ZHANG CT,LV HY,et study between IBM watson for oncology and clinical practice for patients with cancer in China[J].Oncologist,(2018-09-04)[2019-02-20].
文章来源:《中国体视学与图像分析》 网址: http://www.zgtsxytxfx.cn/qikandaodu/2020/1221/384.html