医疗诊断助手难以落地？缺乏基准数据库，水准发挥不稳定

时间一分一秒溜走，来自圣迈克尔医疗中心的一队医生正在紧张的解决一个医疗诊断问题。需要解决的问题很多，一个接着一个，在每个问题上，他们都会遇到两难选择。而这一景象今年 5 月就在华盛顿的 Doctor's Dilemma 年度比赛上上演。最终，该团队解决了 45 项难题，包括病情、症状和治疗方法等。同时，它们也击败了其他 50 个参赛队伍，捧起了今年的 Osler 杯。

其实比赛的要求比平时要求高多了，因为医生们还要考虑到时间限制。所以，自上世纪 60 年代以来，一直有人希望电脑能成为医生记忆的补充，并帮助他们进行诊断，做出最后决定。举例来说，2012 年 IBM 就让旗下的 Watson 参与了 Doctor's  Dilemma 大赛。不过，在比赛中它最终未能完胜人类医生。

最近的多项研究发现，电脑诊断在性能表现上根本无法达到人类医生的高度。此外在不同的疾病上，电脑的表现也是千差万别，它们的水平实在太不稳定了，而且医生对如何使用它们协助诊断也没有形成完整的认知。

举例来说，年轻医生就更喜欢花时间给电脑灌输各种患者的数据，他们用起电脑来也更加的心应手。在本月 6-8 号举行的医学会议上，就有两位专家在演讲中提到了如何将电脑的帮助融入医生的训练和诊断流程中去。

此外，学界还需要找出对比不同软件带来协助效果的方法。“关注科技的人都知道，在语音识别和图像分类领域，电脑都有很棒的基准数据库可用，因此它们取得了很大的进步，不过在医学领域，我们就没有这么好的运气了。”丹麦科技大学的计算机科学家 Winther 说道。实际上，雷锋网此前也采写过一篇相关的文章，也发现主要问题集中于缺乏足够的数据。

Winther 的团队也打造了类似 Watson 的医疗诊断助手 FindZebra ，不过由于缺乏 Watson 的相关数据，他们无法对比两款产品的使用效果。不过，一个西班牙团队今年早些时候表示，这两款助手的诊断正确率为 60% 左右。

虽然无法确定医疗诊断助手的实际效果，但无论是医生还是学界都在积极推动此类产品进入市场，其主要客户则是私人医疗保险公司和研究型医院。眼下，此类助手的使用效果还不错，借助 Watson ，北卡罗来纳和日本的医院都出现了许多成功案例。不过，在最近举行的 IBM 研讨会上，德国专家 Jens-Peter Neumann 表示想判断此类医疗诊断助手的潜在效力，现在还有些早。

眼下，这家德国医院正在用 Watson 挑战医学界的大魔头——罕见病。保险和风险管理公司 Munich Re表示，在欧洲，7000 多种罕见病正在折磨 7%的人口。随着基因筛选变得越来越复杂，到 2020 年我们可能还会再发现超过 1000 种新型疾病，对于医生来说，要把它们全记下来几乎不可能。

在试点项目中，研究人员就遇到了困难，他们本想将 522 名患者的病例转换成正确格式输入 Watson ，但该计划却一拖再拖。原本今年 3 月就将完成的计划却延期到了明年 1 月。

Mueller 表示，这一过程中他们遇到了意料之外的问题，那就是研究人员需要将患者病例中的德语翻译成英语，这样才能与医学数据库中的病例进行对比。此外，有时输入 Watson 的数据源还会出现前后不一的状况。换句话来说，医疗诊断助手在分享和比对信息时遇到了与人类相同的问题。

虽然困难不小，不过 Winther 表示这项技术最终将走向成熟。“大量患者花数年时间辗转于各地，就是为了确定自己到底得了什么病，而未来这将是医疗诊断助手的努力方向。”

via spectrum.ieee.org

【招聘】雷锋网坚持在人工智能、无人驾驶、VR/AR、Fintech、未来医疗等领域第一时间提供海外科技动态与资讯。我们需要若干关注国际新闻、具有一定的科技新闻选题能力，翻译及写作能力优良的外翻编辑加入。工作地点深圳。简历投递至 guoyixin@leiphone.com。兼职及实习均可。

技术创新正在变革医疗与健康产业，雷锋网持续关注医疗领域出现的软硬件创新，包括设备、数据，抑或对他们的创新运用。目前我们在招募医疗健康领域作者，负责采写报道医疗科技领域的企业与牛人。简历投递至 zhangchi@leiphone.com。

推荐阅读：

AI 诊疗为何还停留在实验室？数据是硬伤

九个医疗健康领域，人工智能如何大显神通？