当前位置:首页 > 医疗电子 > 医疗电子技术文库
[导读] 设想一下,你去一家医院看病,一进诊疗室的门就有一位护士不断地为你拍照,然后这些照片会上传到一台AI设备里,这个设备则会根据照片里你的模样来进行病情诊断……而在整个过程

设想一下,你去一家医院看病,一进诊疗室的门就有一位护士不断地为你拍照,然后这些照片会上传到一台AI设备里,这个设备则会根据照片里你的模样来进行病情诊断……而在整个过程中,不会出现任何专业的人类医生。

是不是觉得不可思议?即使现在AI医疗发展得很快,一些AI在医疗领域实现了不同程度的落地,比如AI识别医学影像、药物研发、辅助诊断等,但这些AI起到的基本还是辅助作用,最终负责决断的依旧是人。让AI执证上岗,独立地做临床诊断,似乎从未见过。

然而,这样的“看病模式”可能已经开始了。

近日,美国食品和药物监管局(FDA)首次批准了一种人工智能诊断设备IDx-DR,该设备可以通过观察视网膜的照片来检测一种眼科疾病,并且不需要专家医生的参与。

也就是说,这个叫IDx-DR的AI设备竟然有了上岗证,成为了一名真正的“医生”!

科学家们不断攻破一个又一个的技术难关,我们高兴的同时,却也有隐忧。医疗AI之路越走越顺畅,但现在就出现独立的AI医生,合适吗?

AI医生要“独立”,还缺乏完整的产业链

智能相对论(aixdlun)分析师颜璇认为,我们要想让AI医生独立起来,必须在一开始就深入研究产业布局和各产业链每个环节的协调和共生的发展,否则,只要里面有一个环节发展不良,就会导致智能医疗的结构出现上下游之间的断档,亦或被技术伦理问题所牵绊。

1.AI医生的落地还没有标准

从患者端或者是其它的医疗使用端来看,医疗AI其实在短时间内不会有特别大的变化。因为证批不下来,以及如何为一个AI医生去批证也是模糊的。AI医生合格的标准是什么?是器械的精密性,还是诊断的正确率?即使是FDA批准的IDx-Dr,在一项使用了900多张图像的临床试验中,检测到视网膜病变的正确率也仅是87%。

归根结底,AI医生能否落地,并不是要思考机器究竟算不算人的哲学问题,而是行政是否授权的问题。在医疗领域,一个产品的落地,必定包括许可证、医学严谨性的问题,聘用一个独立的AI医生,这可能还有比较长远的路要走。

2.“售后”服务不好办

在现实生活中,病人碰上了医生误诊,可以要求医院赔偿或者处分该医生;医生给你看病,5个里面治好3个可能就差不多了。然而AI给你看病,可能100个里就错了1个,那唯一被看错的那个会怎么想?遇到水平不够好的医生,还能自嘲一句“遇人不淑”,遇到误诊的AI呢,恐怕就没那么宽容了。

首先,追责医院和厂家肯定少不了。然后呢,要怎么办?“罪魁祸首”AI还没有受到任何处理呢。

销毁掉这个AI医生吗?或者把这个AI医生的“头脑”格式化,以示惩罚?但是,一把抹灭它看对了99个病人的功劳似乎不妥。而且,在医学方面,随着电子病历和数字胶片的积累,大量结构化病例被用于机器学习,对于AI医生,这个模型训练的大数据至少是以10万份为起点。

AI是一种集体交付的结果,从程序、算法的开发到机械安装,处理掉一个AI医生的成本是难以计算的。假设病人家属一时气愤,怒摔机器,恐怕还会收到一笔昂贵的赔付账单。所以,如果AI出错,权责可以由医院和公司来承担,但对于这台“犯错”了的机器,要如何处置才能平息病人的怒火呢?

3.AI医生让“患者”变为“消费者”

医疗行业有个特点:核心服务由单个专业技术人员提供。到医院看病我们关心哪个医生出诊,会去比较这个医生的口碑如何,服务地点和所在机构在很大程度上也会影响我们的评价,医院的品牌会引导患者的就医决策。三甲医院的医生和二甲医院的医生你更倾向选谁做主治医生呢?

一旦拥有了自主的AI医生,AI不再像高科技的医疗设备作为医院宣传的噱头,以及提升医生效率的工具,而是进入独立诊断,成为一个“专业人员”。虽然核心服务依旧由单个专业技术人员提供,但服务地点和医疗机构似乎不那么重要了,创新者的话语权将会更大,引导患者就医方向的将会是产出这个AI医生的公司。如此,患者的身份会更贴近“消费者”。代入消费者后,医患关系也会变得冰冷。

医学AI或许比医疗AI更靠谱

其实比起越来越火的智能医疗,医学AI可能更符合当今社会的发展。我们要明确,医学和医疗其实是两个概念,医学是科学,而医疗是以医学科学为基础的实践技术。

所以,在未来,像人工智能、大数据这样的新技术将会带动整个医学科学的进步。但是医疗尤其是自主的AI医生涉及到“一线”操作,人命关天,其发展可能不会像我们想象的那么快。因为不论如何,医疗还是应该以安全、成熟、稳定作为前提。

对于科学来讲,高质量的数据是发展的宝贵引擎。而医疗健康行业、医药研发行业则是一座数据的金矿,医学AI是很好的研究方向、发展方向,更多的科研领域会快速有成果出来,这些也会有更好的商业机会。

据麦肯锡估计,制药和医学方面的大数据和机器学习每年可以产生高达1000亿美元的价值。这些价值来源于:更好的决策,优化创新,提高研究/临床试验的效率,以及为医生,病人和医疗机构创造新的诊疗手段等等。

比如IBM沃森研究中心肿瘤学部门和斯隆凯特林纪念医院在个性化医学的研究,他们致力于使用患者医疗信息和诊疗历史来选择最优治疗方案。除此之外。还有许多公司也致力于研究此类产品。

来源:前瞻经济学人

前谷歌CEO施密特曾说过,“计算机确实可以在分析很多有用信息方面发挥作用,比如预测疾病的结果。但如果自己生病了,仍然想要由一个人来负责,会找医生来看病,不过医生需要掌握最新的医疗技术来帮助做决定。”

本质上,人工智能的概念是增强人类的智能。正如蒸汽机节省人类的体能,电话加强了人类之间的联系,计算机强化了人类的计算能力,机器的协助并没有取代人类的活动,它只是扩展了人的技能和专业水平。

所以,就医疗AI而言,一个独立的AI医生或许比不上一个起辅助作用的虚拟助手。如果智能医疗的创新站在医生一边,为医生赋能,创新成功的概率会大大增加。因为这样能给医生带来实在好处,医生也会积极主动的去配合。但如果将AI医生放进医院,医生只会觉得自己的职业受到了威胁,主动性恐怕也高不到哪里去。

图片来源:前瞻经济学人

而从目前趋势来看,恐怕也没有多少企业想要打造出一个独立的机器人医生。正如很多新闻报道的那样,人工智能现在能够帮助建立患者病历,节省了医生的时间,还有,人工智能还可分析X光片和CT,不过诊断和开药还是只能由医生完成。

即使目前很多巨头都在努力,谷歌在近日也推出了一款AI+AR的肿瘤诊断系统,但我们现在的医疗生态系统依旧是“石器时代”,因为很多系统还不够完善,我们要认清使力的方向,提高医学领域的进步速度,还需要投入更多的AI人才,加速医学领域的AI研究进程。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

LED驱动电源的输入包括高压工频交流(即市电)、低压直流、高压直流、低压高频交流(如电子变压器的输出)等。

关键字: 驱动电源

在工业自动化蓬勃发展的当下,工业电机作为核心动力设备,其驱动电源的性能直接关系到整个系统的稳定性和可靠性。其中,反电动势抑制与过流保护是驱动电源设计中至关重要的两个环节,集成化方案的设计成为提升电机驱动性能的关键。

关键字: 工业电机 驱动电源

LED 驱动电源作为 LED 照明系统的 “心脏”,其稳定性直接决定了整个照明设备的使用寿命。然而,在实际应用中,LED 驱动电源易损坏的问题却十分常见,不仅增加了维护成本,还影响了用户体验。要解决这一问题,需从设计、生...

关键字: 驱动电源 照明系统 散热

根据LED驱动电源的公式,电感内电流波动大小和电感值成反比,输出纹波和输出电容值成反比。所以加大电感值和输出电容值可以减小纹波。

关键字: LED 设计 驱动电源

电动汽车(EV)作为新能源汽车的重要代表,正逐渐成为全球汽车产业的重要发展方向。电动汽车的核心技术之一是电机驱动控制系统,而绝缘栅双极型晶体管(IGBT)作为电机驱动系统中的关键元件,其性能直接影响到电动汽车的动力性能和...

关键字: 电动汽车 新能源 驱动电源

在现代城市建设中,街道及停车场照明作为基础设施的重要组成部分,其质量和效率直接关系到城市的公共安全、居民生活质量和能源利用效率。随着科技的进步,高亮度白光发光二极管(LED)因其独特的优势逐渐取代传统光源,成为大功率区域...

关键字: 发光二极管 驱动电源 LED

LED通用照明设计工程师会遇到许多挑战,如功率密度、功率因数校正(PFC)、空间受限和可靠性等。

关键字: LED 驱动电源 功率因数校正

在LED照明技术日益普及的今天,LED驱动电源的电磁干扰(EMI)问题成为了一个不可忽视的挑战。电磁干扰不仅会影响LED灯具的正常工作,还可能对周围电子设备造成不利影响,甚至引发系统故障。因此,采取有效的硬件措施来解决L...

关键字: LED照明技术 电磁干扰 驱动电源

开关电源具有效率高的特性,而且开关电源的变压器体积比串联稳压型电源的要小得多,电源电路比较整洁,整机重量也有所下降,所以,现在的LED驱动电源

关键字: LED 驱动电源 开关电源

LED驱动电源是把电源供应转换为特定的电压电流以驱动LED发光的电压转换器,通常情况下:LED驱动电源的输入包括高压工频交流(即市电)、低压直流、高压直流、低压高频交流(如电子变压器的输出)等。

关键字: LED 隧道灯 驱动电源
关闭