人工智慧醫療:在數據中尋找意義

• 2020 年 2 月 12 日
• 筆記

自從60多年前電腦科學家約翰·麥卡錫(John McCarthy)創造了「人工智慧」這個術語以來，通過不斷的探索，研究人員已經能夠將這一強大的技術應用於各種各樣的領域，例如：醫療保健。

儘管存在一些障礙，但醫療保健和人工智慧之間的交集卻有可能創造嶄新的歷史。從醫生的記錄、核磁共振掃描到基因序列，病人的大量數據使得人工智慧能夠得以發展，幫助醫生和研究人員做出高度準確的預測。但對病人來說，有些東西仍然缺失。

如果醫生確定你得了晚期腦癌，你的第一個問題可能是「為什麼？」關於這一點，不幸的是，即使是最強大的人工智慧模型也無法解釋它們自己的決定，你的醫生只能說:「因為電腦告訴了我。」

最近，人工智慧領域的進步，提供了一種解釋——這些人工智慧模型可以提供關於給定數據中重要內容的附加資訊。作為人工智慧模型的創造者，研究員已經直接看到，額外的可解釋性步驟增加了人工智慧的有用性。例如，當我們創建一個模型來檢測帕金森病的早期癥狀時，我們只是在觀察了模型如何解釋MRI掃描後才發現了它的問題。在認識到這一點後，就能修正模型，更準確地發現疾病的早期跡象。

最重要的是，可解釋性可以通過提供對使用AI的額外洞察來建立信任。它能讓我們更接近人類機器團隊的未來，它能讓醫生們開始理解，人工智慧為什麼會做出這樣或是那樣的決定。

有人認為人工智慧與醫師之間有深層次的矛盾——它可能會在未來搶了醫師的飯碗。但實際上，兩者都是不可或缺的。

沒有人工智慧，人類就失去了使用大量醫療數據的能力，這些數據可以提高診斷的準確性。沒有人類醫生，只靠機器，就會缺失同情心、可靠性和自然的病人體驗。兩者的結合，才是未來，將可解釋的結果集成到人工智慧系統中，會讓人更加了解、理解人工智慧。

END