如何用人工智慧算法檢測皮膚病變的方式,來訓練醫生?
余快 / 何渝婷編譯
2020-07-20 09:45

(示意圖/取自pixabay)

十幾年來,維也納醫科大學教授的皮膚科醫生哈拉爾德·基特勒,一直用醫學經驗教導學生如何診斷皮膚病變,今年下學期開始,他將加入利用人工智慧算法診斷皮膚病變的課程。

這一算法系統來源於基特勒幫助組織過的一場比賽,在比賽中,圖像分析算法在診斷某些皮膚瑕疵方面的表現,可以超過人類專家。

在學習了1萬張由醫生標記的圖像後,該系統可以在新的圖像中區分不同種類的良性和癌變。其中檢測一種被稱為色素化光性角化病的鱗狀斑塊的準確性,超過了人類。

研究人員通過逆向設計一種類似訓練的算法,來評估它是如何得出結論的,結果顯示,在診斷這些損傷時,該系統比一般人更關注病變區域周圍的皮膚。

基特勒表示:「大多數人認為,人工智慧是在人類無法理解的不同世界中活動。我們的小實驗表明,人工智慧可以拓寬我們的視野,幫助我們建立新的連結。」

基特勒與其團隊研究的其中一部分就是,探索醫生如何與分析醫學圖像的人工智慧系統合作。

自2017年以來,一系列研究發現,在醫生與AI激烈的競爭中,機器學習模型表現得比皮膚科醫生更好。這引發了人們的猜測,皮膚專家可能會被新一代的AutoDerm 3000完全取代。

「不幸的是,這些東西取代我們的機率非常低。合作是前進的唯一道路。」

維也納醫科大學皮膚病學助理教授菲利普·奇尚德爾表示,現在是時候重新建構對話了:「如果算法和醫生是同事,而不是競爭對手會怎樣?」

他說,皮膚專家除了查看痣之外,還要規劃治療方案,綜合有關病人的不同數據,建立關係。電腦還遠不能做到這一切。

倉庫和呼叫中心的營運業者,也得出了同樣的結論。他們指出,AI在應用某些領域時,僅在於協助人類提高工作效率,目前還遠不能取代人類。其原因不僅源於某些情緒原因,還因為許多日常任務過於複雜,現有技術無法單獨處理。

基於這一點,皮膚病學研究人員試圖用人工智慧算法系統的思維模式,來訓練學生。

他們用數千張由皮膚科醫生標記的7種皮膚病變的圖像訓練系統,包括惡性黑素瘤和良性痣。經過測試,從中挑選出三種醫生可以學習的圖像分析算法模式。

1、在醫生檢查皮膚損傷的新圖像時,根據診斷的概率排列一個診斷列表。

2、在兩者都有可能的情況下,預先設定病變為惡性。

3、檢索之前診斷的圖像,提煉出該算法認為相似病變特徵的圖像,為醫生提供參考點。

對300多名醫生進行的測試發現,使用診斷排序表時,結果更加準確。他們做出正確判斷的比率上升了13%。另外兩種方法並沒有提高醫生的準確性。

實驗還顯示,實習醫生等缺乏經驗的醫生,會更多地根據人工智慧的建議改變診斷,而且這樣做通常是正確的。經驗豐富的皮膚科醫生,根據軟體的建議改變診斷的頻率要低得多。這些經驗豐富的醫生,只有在他們對醫學報告不太確定時,才會參考AI系統的結論。

奇尚德爾認為,這表明人工智慧皮膚病學工具,最好是作為培訓專家的助手,或者工作強度不大的醫生的助手。

這些實驗表明,研究人員可能會開發出提高而不是淘汰醫生的人工智慧。

這項新的研究還包括一項實驗,測試醫生使用錯誤軟體,和給出錯誤建議的算法版本時的後果,所有經驗水準的臨床醫生,都很容易被誤導。這反映了完全接受人工智慧算法的潛在危險。

本文為雷鋒網授權刊登,原文標題為「如何用人工智能算法檢測皮膚病變的方式訓練醫生?