[哈佛] 哈佛重磅發現:AI診斷真實病例准確率超醫生
她還指出了急診醫學的本質邏輯：「作為壹名第壹次看到患者的急診醫生，我的首要目標不是猜出最終診斷。我的首要目標是判斷你是否有壹種可能會殺死你的疾病。」
這個反駁有力量嗎？
有。但也需要注意，研究論文本身已經承認了這壹局限性，而且論文的核心論點從來不是「AI可以替代急診醫生」，而是「AI在有限信息下的推理能力已經達到值得臨床試驗的水平」。
急診醫生在現場做的遠不止「猜病名」——他們要看患者的面色、聽呼吸的聲音、感受疼痛的程度、判斷生命體征的微妙變化。
這些細微的非語言信號，有時候比任何檢驗指標都重要。
壹個經驗豐富的急診醫生走進病房，掃壹眼患者，可能就已經做出了80%的判斷——這種能力叫「臨床直覺」（clinical gestalt），它來自數以萬計的真實接診經驗，目前沒有任何AI能夠復制。
Manrai自己也承認，團隊正在研究AI處理影像和其他非文本信號的能力，「看到了快速進步的結果」，但距離臨床部署還有很長的路。
辛頓的「預言」教訓：放射科醫生沒下崗，反而更忙了
說到AI取代醫生這個話題，不得不提壹個經典的「打臉」案例。
2016年，AI教父、諾貝爾獎得主Geoffrey Hinton說了壹句震動醫學界的話：人們現在就應該停止培訓放射科醫生了。深度學習在伍年內就會比放射科醫生做得更好，這完全是顯而易見的。
這句話當時嚇退了不少准備選擇放射科的醫學生。整個2010年代後期，媒體上鋪天蓋地都是「放射科即將消亡」的文章。
拾年過去了。
梅奧診所的放射科醫生團隊從2016年至今增長了55%，達到400人。美國放射學會預測，未來30年放射科醫生供給還將增長26%。
全球最大的放射科醫生短缺正在發生——不是因為AI搶走了工作，而是因為AI讓影像檢查變得更便捷，反而催生了更多需求。
Hinton本人後來也承認自己「說得太寬泛了」。
他修正了預測：未來的醫學影像解讀將由「AI和放射科醫生的組合」來完成，AI會讓放射科醫生「效率大大提高，同時提升准確率」。
這個故事裡有壹個深刻的經濟學原理——傑文斯悖論：當壹項技術讓某種資源的使用更高效時，這種資源的總需求反而可能大幅增加。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: