医疗AI数据输入如何助力或损害医疗保健
本文通过GBH《晨间新闻》主持人马克·赫兹对麻省理工学院计算机科学教授玛齐耶·加塞米的深度访谈,系统剖析了医疗人工智能的核心挑战。加塞米揭示训练数据中存在的虚假相关(如非裔美国人因就医延迟导致肺炎影像特征偏差)会引发算法歧视,使黑人患者需病情更严重才能被诊断出肺炎。她指出当前AI部署过度聚焦行政效率而忽视临床价值,主张从三方面革新:在数据收集中引入专家标注建立黄金标准;采用强化学习引导模型学习理想行为而非简单模仿人类;将应用重点转向人类能力局限的领域(如早期乳腺癌检测、子宫内膜异位症诊断)。文章强调医疗AI不应追求完全替代医生,而需通过人机协同优化诊疗流程,在慢性病管理等领域加速精准治疗方案生成,最终提升患者体验与医疗公平性。

