医疗保健正在迅速变革，埃因霍温理工大学 (TU/e) 和埃因霍温卡萨琳娜医院 (Catharina Hospital) 的三位年轻研究人员认为，这种变革才刚刚开始。在一次圆桌讨论中，博士生蒂内克·德弗里斯 (Tineke de Vries)、毛德·科尔特曼 (Maud Kortman) 和卡琳·巴克 (Carlijn Buck) 分享了他们对人工智能在医疗保健中未来的愿景。结论是：人工智能将成为医生不可或缺的伙伴，但我们绝不能忽视其局限性。
"今昔之间最大的区别是什么？"蒂内克·德弗里斯说，"人工智能能够发现我们自己永远无法看到的模式。医生和研究人员使用统计学来寻找预选变量之间的联系，而人工智能模型则直接从海量数据中学习。想想成千上万的心电图、X光片或其他数据，"这位研究人员说道。
全新的观察视角
她继续说道："毕竟，医生无法'简单地比较10,000份心电图'来寻找细微差异。但人工智能可以。这创造了一种全新的观察视角：不专注于事情发生的原因，而是关注发生了什么。例如，人工智能可以发现某种心律在特定患者群体中更常见，甚至在我们理解原因之前。"尽管如此，德弗里斯强调统计学并未消失。"两者都需要。统计学教会你关于原因的知识；人工智能则向你展示你尚未了解的模式。"
（照片：从左至右：卡琳·巴克、毛德·科尔特曼和蒂内克·德弗里斯。摄影：Jarno Verhoef/卡萨琳娜医院）
工具，而非新医生
三位研究人员认为人工智能并非医生的替代品，而是一种工具。卡琳·巴克将其比作汽车中的驾驶辅助系统："车道保持辅助系统有时可能很烦人，但它通常很有用。我们应该这样看待人工智能：它是与你共同思考并帮助你的工具，但你始终可以掌控。"
必不可少的合作
人工智能模型可以评估肺部X光片、预测心律失常或警告患者病情恶化。但它仍然是一个工具。"一个模型可以非常出色地完成一项特定任务，"德弗里斯说，"而医生则将患者视为一个整体。他们看到的是人，他们有直觉。"毛德·科尔特曼认为，这种合作至关重要："我们可以开发人工智能，但如果没有理解并愿意使用它的医生，它将一直束之高阁。"
责任与信任
这方面的一个关键主题是责任。如果人工智能系统出错怎么办？巴克表示："我们接受人类会犯错，但不接受技术犯错。医生可以解释为什么他选择某件事，也可以解释为什么出错了。算法并不总能说明他们为何做出选择。这使得问题变得困难。"
这引发了伦理问题。"如果一个模型错误分类了某件事，谁该负责？"科尔特曼自问自答。"如果人工智能在1000次中有999次做对了，但那一次出错了，谁该为那一位患者负责？"德弗里斯认为，重要的是要认识到人类护理远非完美。
我们常常忘记我们现在的不完美。人工智能并非完美无缺，但在某些领域，它已经可以超越当今最优秀的医生。只是我们对人类犯错更为宽容。
蒂内克·德弗里斯
数据的力量及其陷阱
人工智能的好坏取决于其训练数据。这是最大的风险所在。科尔特曼表示："如果你只使用男性心电图，模型将无法正确学习识别女性的心率。"这对人口群体或医院同样适用："在埃因霍温有效的模型不一定在阿姆斯特丹同样有效，因为人口不同。实际上，你可能需要为每家医院量身定制人工智能，以适应患者差异，"她说。
这就是为什么研究人员约80%的时间花在数据质量上，只有20%的时间用于模型本身。此外，医院必须做好技术准备。"医疗保健系统是为了跟踪单个患者而构建的，"德弗里斯解释道，"而不是为了批量交付和分析数据。"
由卡萨琳娜医院发起的Ludwig平台提供了安全访问可用于训练人工智能的医疗数据的途径，使这一转变成为可能。但这一过程需要时间。"这总是在创新、隐私和患者安全之间取得平衡。所有这些都很重要，但它们会减缓实施，"巴克说。
从测试阶段到实际应用
尽管医疗保健中的人工智能项目数量在增长，但只有少数真正进入临床实践。这是由于严格的法规。"而且理应如此，"德弗里斯说，"我们谈论的是人类生命。"
技术发展快于立法。先有创新，后有框架。
卡琳·巴克
希望的迹象
尽管如此，三位研究者看到了希望的迹象。在卡萨琳娜医院内部，人工智能不仅在开发中，还与医生、人工智能专家中心、临床物理学和ICT团队合作进行测试。"这大有不同，"科尔特曼说，"这里有着极大的实验意愿。这是我们了解人工智能如何真正帮助的唯一途径。"
相互加强
三位研究人员还赞扬了埃因霍温医疗技术研究中心 (Eindhoven MedTech Innovation Center, e/MTIC) 内部的合作。除了TU/e和卡萨琳娜医院外，飞利浦 (Philips)、马西马医疗中心 (Maxima Medical Center) 和肯彭哈格 (Kempenhaeghe) 也是该合作伙伴关系的一部分。"临床和技术专长在那里汇聚并相互加强。通过这种合作，我们正在缩小技术与实践之间的差距，"巴克说。
通过不同的专业知识，你从彼此身上学到很多。这确实有助于确保创新不仅在理论上得到研究，而且实际应用于医疗保健实践。而这有助于患者。
毛德·科尔特曼
新知识，新可能性
是什么激励这些年轻研究人员进行研究？德弗里斯简洁地总结道："我们将发现我们甚至不知道自己不知道的知识。人工智能可以24小时监控，识别人眼无法察觉的模式，并及早发现疾病迹象。"巴克表示："护士无法全天候陪伴一位患者；人工智能可以，而且不会判断或疲倦。"科尔特曼也看到了更个性化护理的机会："人工智能可以帮助预测谁将从特定治疗中受益，谁不会。这使我们能够减少痛苦并提供更有针对性的治疗。"
人类反思
这三位博士生预计30年后人工智能将无处不在，但始终与人类互动。巴克表示："医生必须学会与人工智能合作，就像我们现在正在学习的那样。"然而，他们警告不要高估其能力。人工智能不能解决所有问题，当然也不能没有人类反思。"如果你使用的数据不好，或者将模型用于其训练目的之外的事情，你的工具将产生垃圾。"
科尔特曼微笑着说："我希望当我日后成为患者时，一台智能计算机会评估我的心电图。但我确实希望之后有一个人类来查看它。"
德弗里斯总结道："人工智能不是新医生。它是一面镜子，帮助我们更好地理解我们已经在做的事情以及我们还能学到什么。"
/TU/e公共发布。本材料来自原始组织/作者，可能具有时效性，并经过编辑以提高清晰度、风格和长度。Mirage.News不采取机构立场或偏袒任何一方，本文表达的所有观点、立场和结论 solely 属于作者。
【全文结束】
