[哈佛] 哈佛重磅发现:AI诊断真实病例准确率超医生
她还指出了急诊医学的本质逻辑：「作为一名第一次看到患者的急诊医生，我的首要目标不是猜出最终诊断。我的首要目标是判断你是否有一种可能会杀死你的疾病。」
这个反驳有力量吗？
有。但也需要注意，研究论文本身已经承认了这一局限性，而且论文的核心论点从来不是「AI可以替代急诊医生」，而是「AI在有限信息下的推理能力已经达到值得临床试验的水平」。
急诊医生在现场做的远不止「猜病名」——他们要看患者的面色、听呼吸的声音、感受疼痛的程度、判断生命体征的微妙变化。
这些细微的非语言信号，有时候比任何检验指标都重要。
一个经验丰富的急诊医生走进病房，扫一眼患者，可能就已经做出了80%的判断——这种能力叫「临床直觉」（clinical gestalt），它来自数以万计的真实接诊经验，目前没有任何AI能够复制。
Manrai自己也承认，团队正在研究AI处理影像和其他非文本信号的能力，「看到了快速进步的结果」，但距离临床部署还有很长的路。
辛顿的「预言」教训：放射科医生没下岗，反而更忙了
说到AI取代医生这个话题，不得不提一个经典的「打脸」案例。
2016年，AI教父、诺贝尔奖得主Geoffrey Hinton说了一句震动医学界的话：人们现在就应该停止培训放射科医生了。深度学习在五年内就会比放射科医生做得更好，这完全是显而易见的。
这句话当时吓退了不少准备选择放射科的医学生。整个2010年代后期，媒体上铺天盖地都是「放射科即将消亡」的文章。
十年过去了。
梅奥诊所的放射科医生团队从2016年至今增长了55%，达到400人。美国放射学会预测，未来30年放射科医生供给还将增长26%。
全球最大的放射科医生短缺正在发生——不是因为AI抢走了工作，而是因为AI让影像检查变得更便捷，反而催生了更多需求。
Hinton本人后来也承认自己「说得太宽泛了」。
他修正了预测：未来的医学影像解读将由「AI和放射科医生的组合」来完成，AI会让放射科医生「效率大大提高，同时提升准确率」。
这个故事里有一个深刻的经济学原理——杰文斯悖论：当一项技术让某种资源的使用更高效时，这种资源的总需求反而可能大幅增加。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 | 更多... |
推荐: