是时候关注AI带来的社会两级分化问题了,AI虽超

来源:http://www.roro2.com 作者:betway互联网 人气:136 发布时间:2019-11-05
摘要:原标题:诺奖得主斯蒂格利茨:是时候关注AI带来的社会两级分化问题了 更多精彩,敬请关注硅谷洞察官方网站( 各国也在争夺人工智能的霸权。中国并不羞于发出拥抱人工智能的呼吁

原标题:诺奖得主斯蒂格利茨:是时候关注AI带来的社会两级分化问题了

图片 1

更多精彩,敬请关注硅谷洞察官方网站(

各国也在争夺人工智能的霸权。中国并不羞于发出拥抱人工智能的呼吁。它正大举投资于技术人才的增长和初创企业的发展。中国更为宽松的监管环境,尤其是在数据隐私方面,帮助中国在安全、面部识别等人工智能领域处于领先地位。就在最近,中国警方在一场音乐会的5万名观众中挑出了一张头号通缉犯的脸。SenseTime Group Ltd .是一家大规模分析人脸和图像的公司。该公司报告称,自己筹集了6亿美元,成为全球最有价值的人工智能初创企业。中国人指出,他们的移动市场规模是美国的3倍,移动支付的数量是美国的50倍,这是巨大的数据优势。欧洲人对数据隐私监管的关注,可能会让他们在人工智能的某些领域处于不利地位,即便欧盟正在谈论对人工智能的220亿美元投资。

外媒称,对于人工智能将如何影响我们的生活这一问题,诺贝尔奖得主、世界银行前首席经济学家斯蒂格利茨表示,在科技的支持下,我们可以建设一个更富裕的社会,但是在这条路上有无数的陷阱要避免。

做医疗要有温度,要有情感交流。这就涉及到人文,也涉及到医者和患者两个方面,这是AI最终要解决的,也可能是AI最难解决的。

英伟达与美国放射学院(American College of Radiology)之间的一项新合作,将使更多的临床医生有能力建立、分享和调整自己的人工智能模型。

图片 2这将是AI的绝对赢家吗?中国吗?我们吗?日本吗?德国?英国吗?法国?

他担心人工智能会加剧经济剥削,使社会比以往任何时候都更加分裂,并威胁到社会民主。

作者 | 李雨晨

图片 3

英国、德国、法国和日本最近都宣布了他们的国家AI战略。例如,Macron总统说,法国政府将在未来五年花费18.5亿美元来支持人工智能生态系统,包括建立大型公共数据集。谷歌旗下的DeepMind和三星等公司已承诺在巴黎开设新的实验室,富士通正在扩大其巴黎研究中心。英国刚刚宣布向人工智能领域投入14亿美元,其中包括1000名人工智能博士。但当各国都在投资人工智能人才和生态系统时,问题是谁将真正获得价值。法国和英国仅仅是在贴补将被谷歌聘用的博士吗?虽然这六位数的机器学习工资和所得税将是健康的,但创造出来的大部分经济价值可能来自于这家美国公司、它的股东和美国财政部。

他表示:“人工智能和机器人具有提高经济生产率的潜力,从原则上讲,这可能让所有人都过得更好。”“但前提是他们能被管理得当。”

编者按:7月12日-7月14日,2019第四届全球人工智能与机器人峰会(CCF-GAIR 2019)于深圳正式召开。峰会由中国计算机学会主办,雷锋网、香港中文大学承办,深圳市人工智能与机器人研究院协办,得到了深圳市政府的大力指导,是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会,旨在打造国内人工智能领域极具实力的跨界交流合作平台。

在放射学领域,媒体对于人工智能的关注点都有一点终结者的倾向。基于人工智能算法在检测潜在问题方面的首要地位的新闻标题,往往与放射学家正迅速过时的结论相伴而行。

人工智能将提高企业和国家的生产率和财富。但是,当媒体报道说我们的工作中有30%到40%将被机器取代时,这些财富将如何分配呢?经济学家可以从数百年来不断提高的技术自动化中吸取教训。会有净就业产生还是净失业?公众辩论经常引用机器学习的教父Geoffrey Hinton的话,他认为当机器通过医学图像诊断疾病时,放射学家将会失去他们的工作。但我们可以指望中国使用人工智能来帮助放射科医生管理每年检查14亿次肺癌CT扫描的巨大需求。结果不是失业,而是市场扩大,诊断更有效、更准确。然而,在人工智能技术和数据掌握的少数公司和国家可能会经历一段动荡时期,届时大部分价值将流向这些公司和国家。而那些财富依赖于人工智能自动化目标的就业岗位的低技能国家可能会遭受损失。人工智能将青睐大型企业和技术娴熟的企业。

上个月,Bank of England首席经济学家Andy Haldane警告称,随着人工智能和其他技术将更多工作自动化,英国大量劳动力面临失业。

7月14日,华南理工大学医学院副院长,广东省人民医院影像医学部主任兼放射科主任梁长虹发表了主题为《医学影像从CAD走向AI——做正确的事情》的演讲。

当然,事实并非那么黑白分明。

那么这一切意味着什么呢?

普华永道今年7月的一份报告认为,人工智能创造的就业岗位可能与它破坏的就业岗位一样多,甚至可能更多。

梁教授在演讲中表示,基于深度学习的算法给医疗行业的发展带来了很多好处。例如,检测算法将解决“大海捞针”的搜索问题,发现乳腺钙化和肺结节;配准和分割工具将减轻单调的测量和绘制肝转移瘤的时间进程;解剖测量应用程序将绘制器官体积的正常范围;而分类程序将有助于解决诊断难题。

人工智能的开发还处于初级阶段,目前的应用程序和替代医生的算法之间存在着距离。

在审视人工智能的前景时,很明显,我们现在正进入一个真正的人工智能黄金时代。至于经济价值将转移到何处,有一些关键主题显现:

而斯蒂格利茨表示,我们应该将人工智能与帮助人们更好地工作的人工智能区别开来。

因此,人工智能把放射科医生的认知领域提升到了一个更高的水平,让医生在与人工智能算法和患者合作解释图像时,发挥判断力、创造力和同理心。

但对人工智能技术的怀疑——以及推进医疗创新的标准问题——在提供者和基于人工智能的工具之间筑起了一道墙,这些工具可以改善患者的预后,让临床医生的生活更轻松。

全球科技巨头们是这场淘金热中的一把镐和一把铁锹——为任何想要冲进来的人提供动力的人工智能。谷歌-亚马逊-微软和IBM正在为争夺人工智能的领导地位而进行军备竞赛。他们正在努力提供最好的芯片、云计算和人工智能算法以及服务。紧随其后的是中国科技巨头阿里巴巴和百度。很少有初创企业会在日益成为大宗商品的云计算领域比微软更花钱、更聪明或提供更低的价格,或者比谷歌的张量处理单元构建更好的人工智能芯片,或者比亚马逊构建更好的对象识别认知算法。

人工智能已经帮助医生更有效率地工作。例如,在剑桥的Addenbrooke 医院,癌症顾问花在前列腺癌患者放疗计划上的时间比过去要少,因为一个名为InnerEye的人工智能系统会在患者的扫描过程中自动标记腺体。这使得医生处理病人的速度更快,病人开始治疗的速度更快,放射治疗的精度也更高。

如今的人工智能工具已经获得了监管部门的批准,这是基于它们在少数健康领域的表现。也许这些新的人工智能方法的增加精度将减少假阳性,有利于提高医师的效率。算法或模型的通用性使放射学的多样性实践仍然是一个悬而未决的问题。

总部位于加州圣克拉拉的英伟达正试图改变这一模式,为放射科医生扩大人工智能工具的使用范围,让他们对这项技术产生信任。

人工智能初创企业正蜂拥提供认知算法、企业解决方案和深度产业垂直解决方案。要想成功,初创企业需要拥有独特的数据集、深厚的领域知识、雄厚的财力,以及吸引和留住日益抢手的人工智能人才的能力。这并不是一个车库中的应用程序能改变世界的例子。人工智能初创企业的赢家将是那些能够解决现实世界中有价值的问题、迅速扩大市场规模和建立防御地位的公司。初创公司应该关注企业和行业解决方案,在这些方案中有许多需要处理的高价值用例。然而,随着人才争夺战的继续,至少在未来几年内,初创公司在算法领域的收购将会是相当普遍的。在创业过程中,会有很多初创公司的损失,每个类别都有少数赢家,这在任何一次淘金热中都是如此。而这些赢家可能会发现,巨人会开出诱人的支票。

图片 4

借用一些时新的人工智能应用案例,梁主任也提出,距离人工智能真正替代医生的部分工作还有很长的距离。例如,数据的结构性、模型的可解释性等等就是很大的问题,这也是目前面临的挑战之一。

从最初的游戏领域起家,英伟达通过在交通、能源和医疗等行业的拓展,已发展成为人工智能领域最杰出的公司之一。

企业已经做好了从人工智能中获取大量价值的准备,有人说价值高达数万亿美元。人工智能将日益提升客户体验,通过协助和自动化业务,帮助提高生产率和降低成本,并提高产品和服务的竞争力。最大的价值将来自那些拥有规模的公司——最好和最大的数据集、最多的客户和最大的分布。越大可能越大。但只有当企业展现出强大的领导力并以敏捷的方式执行时,这种情况才会发生。在人工智能执行方面处于领先地位的企业,再次成为谷歌、Facebook、苹果和亚马逊等科技巨头,它们提供的人工智能产品和服务,正在全球范围内吸引数十亿观众。此外,随着科技巨头利用人工智能进入并扰乱新的行业,从零售业、医疗保健到媒体等各行各业的企业都感到恐慌。

但是对其他专家来说,这项技术更像是一种威胁。训练有素的AI现在比放射科医生更擅长发现乳腺癌和其他癌症。这是否意味着放射科医师普遍失业?斯蒂格利茨说,事情并没有那么简单。“核磁共振扫描只是一个人工作的一部分,但你不能轻易地把这项任务和其他任务区分开来。”

“做医疗是要有温度的,要有情感交流。这就涉及到人文,也涉及到医者和患者两个方面,也是AI最终要解决的,也可能是AI最难解决的。”

通过与美国放射学学院的合作,该公司正试图使这项技术的使用大众化,并让临床医生在临床操作中开发和验证,希望人工智能在提高护理质量的算法方面发挥核心作用。

民族国家也在AI竞赛中。中国在2030年成为人工智能领域的世界领导者这一目标上并不讳言。它认为自己具有结构性优势。尽管许多欧洲国家都在兜售它们政府支持的对人工智能的承诺,但风险在于,它们只是在为全球人工智能巨头提供人才补贴,并加速其它主权国家的财富增长。强大的数据隐私法规会损害欧洲国家在人工智能领域的创新吗?人工智能的财富可能会流向那些控制和利用领先的人工智能技术和数据的国家和公司——比如美国和中国。随着自动化蚕食越来越低的报酬工作,那些没有自动化的人可能会面临挑战。

然而,一些低技能工作岗位可能会被完全取代,比如卡车司机、收银员、呼叫中心工作人员等等。

以下为梁长虹主任的现场演讲内容,雷锋网作了不改变原意的编辑及整理:

这项合作的主要内容包括将英伟达的Clara AI工具包并入ACR AI- lab软件平台,允许38000多名临床医生构建、共享、验证和定制AI算法,同时将构成的患者数据保存在创建的地方。

简而言之,人工智能淘金热似乎将有利于那些在最好的人工智能工具和技术、数据、最好的技术工人、最多的客户和最强大的资本渠道上拥有控制权和规模的公司和国家。那些具有规模的公司将从人工智能中获得最大的经济价值份额。在某种程度上,这是改变,这也是选择。不过,也会有一些勇敢的初创公司发现巨大的金矿。但就像任何一次淘金热一样,许多初创企业也将遭遇丰厚的回报。但许多个人和社会很可能会觉得他们没有看到淘金热带来的好处。

不过,斯蒂格利茨认为,即使如此,我们也应该就人工智能对人类整体的失业影响保持谨慎。

梁长虹:首先要感谢大会的邀请。我的题目是“医学影像从CAD走向AI——做正确的事”。

英伟达医疗保健副总裁金伯利?鲍威尔在接受记者采访时说:“人工智能实验室的使命是帮助医疗机构为自己的设施和患者群体开发人工智能。”

在教育、医疗服务和老年人护理方面,对非技术工人的需求很大。他表示,如果人工智能接手某些非技术工作,然后我们雇佣更多的人从事医疗、教育和护理工作,并给他们一份体面的工资,人工智能带来的打击可能会弱一些。

图片 5

通过扩展对该工具包的访问,更多的放射科医生将获得AI辅助注释工具,以创建更庞大的数据库,并能够使用自己的数据库在称为传输学习的过程中调整预先建立的模型。

同时,斯蒂格利茨还认为是时候关注针对人工智能的公共政策问题了。

机器人会不会思考?如果看一本书《穿行者》,这个问题一百年前就有人说了,说这个话的人是拜伦的女儿纳夫莱斯。要问机器能不能思考,图灵奖获得者说,就像问潜水艇会不会游泳一样,所以就不要问同样的问题。

华盛顿大学医学院放射科主任Dushyant Sahani说,他认为英伟达和ACR的合作可以缓解一些临床医生对人工智能的“焦虑”。

斯蒂格利茨曾在其作品《globalization and Its Discontents》一书中,表示了他对国际货币基金组织乃至美国财政部的不满。

图片 6

萨哈尼说:“美国放射学会在全国各地拥有一个由熟练的放射学家组成的庞大数据库。如果你让这些放射学家参与这项人工智能计划,他们不仅掌握了人工智能是什么,而且还有助于指导人工智能的发展方向。”

他认为,贸易谈判是由跨国公司以牺牲工人和普通公民为代价推动的。

我是一个医生,很梦想人工智能帮到我们。上世纪90年代就有一篇文章支持人工智能辅助我们决策,这篇文章提出的时间是1994年,但是1994年并没有解决。

对萨哈尼来说,让放射科医生成为这些技术开发方式的关键部分,增加了工具本身的可信度,并确保了他们解决实际临床问题的能力。

“我想强调的是,现在是时候关注围绕人工智能的公共政策问题了,因为这些担忧是全球化和创新给我们带来的。”“我们对他们在做什么反应迟钝,我们不应该再犯同样的错误。”

图片 7

与ACR的合作建立在早期试点的基础上,涉及多个合作伙伴,包括俄亥俄州立大学(Ohio State University)的韦克斯纳医学中心(Wexner Medical Center)、马萨诸塞州总医院(Massachusetts General Hospital)和布莱根妇女医院(Brigham and Women’s Hospital)的临床数据科学中心(Center for Clinical Data Science)。

除了人工智能对工作的影响,斯蒂格利茨还看到了使用这项技术背后的一些恶意。

当然,今天科技的发展也有长足的进步。我们可以看到,机器学习解决了很多科学上的问题。我前段时间参加一个智能城市建设论坛,论坛讲到了无人驾驶。

在试点中,OSU成功导入、定制并验证了由波士顿临床数据科学中心创建的心脏计算机断层血管成像模型。

有了人工智能,科技公司就可以从我们搜索、购买和给朋友发信息时提交的数据中提取某些数据。这些数据表面上被用来为人们提供更个性化的服务。

我的梦想是无人驾驶明年可以实现,他们告诉我五到十五年之后可以实现,才可以在大街上跑。他说的对不对,我们不知道,但是人工智能在非医疗行业确实取得了非常多的成功,我们希望在医学上也可以取得成功。

临床数据科学中心执行主任Mark Michalski强调了转移学习在建立个人对该技术熟悉程度方面的重要性。

但同样地,科技公司也在利用这些数据对用户做一些不好的事情。

图片 8

米哈尔斯基说:“当放射科医生——以及一般的临床医生——参与开发这些技术时,它不仅能让你深入了解模型本身,还能让患者和医生参与到这个合作过程中来。”

图片 9

2016年,我们在医学上做了很多事情,机器学习可以帮助放射科医生、病理学家做很多简单重复的事情。深度学习的大牛Hinton先生曾说,不要培养放射科医生了!

“当人们参与其中,并感觉自己是某个项目的一部分时,他们更有可能相信它,并采纳它,这是有道理的。”

斯蒂格利茨表示:“这些新科技巨头正在引发有关隐私和利用民众能力的深层次问题,而这些问题在垄断权力的早期从未出现过。”

图片 10

米哈尔斯基表示,转移学习也有潜力解决人工智能使用带来的一些伦理问题。其中最主要的是将历史偏见纳入模型,然后继续延续现有的不平等。

斯蒂格利茨最担心的是数据集组合的潜力。例如,零售商现在可以通过智能手机追踪顾客,还可以收集顾客看到的东西和忽略掉东西的数据。

最近涌现出了很多新型的人工智能算法,促使人们反思过去的人工智能为什么未能实现其目标?如今有人工智能工具已经获得了监管部门的批准,这是基于它们在少数健康问题诊治方面的表现。

人工智能的普及导致了一些特殊的研究中心的建立,比如埃斯坦福德的以人为中心的人工智能研究所,以及医疗领域的人工智能联盟(Alliance for Artificial Intelligence in Healthcare)等行业组织,以指导人工智能技术的伦理发展和实施。

这意味着人们的生活将会越来越不愉快,因为你决定在某个商店购物可能会导致你支付更多的钱。在人们意识到这个规则的时候,它就已经扭曲了他们的行为。显而易见的是,这在我们所做的每件事上都带来了一定程度的焦虑,而且会进一步加剧社会的不平等。

所以,我们看到这些算法还有很多问题悬而未决,在座各位可能比我更加清楚。是不是这么回事?这位Hinton又写了一篇文章,把自己否定了,说还是不能离开医生,需要与医师合作,作为工具帮助医生做事。

米哈尔斯基说:“如果你的病人群体没有得到医疗机构的充分服务,或者进一步说,没有得到数据的充分代表,那么他们就没有得到模型的充分服务。”“我们调查的事情之一是转移学习是否有作用开始缓解和识别这些偏见。”

俄罗斯如何利用Facebook、Twitter和谷歌干预2016年美国大选的残酷事实,让人们意识到,定制信息可以如何来操纵大众。

所以,实际上最重要的是我们要去参与人工智能的发展,要正确地理解它和研究它,而不要去阻止它。

尽管在临床验证算法方面仍有大量工作要做,但工作流集成这一至关重要的(如果不是特别吸引人的话)问题仍是一个持续落后于科学的限制因素。事实上,米哈尔斯基说,他的组织大约80%的工作是建立这种一体化进程。

斯蒂格利茨担心,一些公司正在或将会使用类似的策略来剥削客户,尤其是那些易受伤害的客户,比如强迫性购物者。他表示:“与那些可能会帮助我们克服弱点的医生不同,他们的目标是尽可能地利用你。”“这些新技术加剧了私营部门利用人的最坏倾向。”

图片 11

一个普遍的观点是,如果临床医生缺乏易于使用并将其集成到正常实践中的能力,那么最佳算法将会胎死腹中。

斯蒂格利茨认为,到目前为止,无论是政府还是科技公司都没有采取足够的措施来防止此类滥用。

大家可以看这幅图文,这是1865年英国的“红旗法案”。当年英国人不希望汽车替代马车,规定汽车在郊区跑时速不超过4英里,在市区跑时速不超过2英里。规定一个举红旗的人跑在前面,限制汽车的速度,最后使得英国的汽车行业现在比日本等要落后一些。

这就是英伟达与Nuance和电气医疗保健(GE Healthcare) 等行业合作伙伴的合作之处。

他说:“我们现在所做的完全不够。”“目前还没有什么可以限制这些不良行为,我们有足够的证据表明,有些人愿意利用数据做不好的事,他们并不会感到内疚。”

图片 12

总部位于马萨诸塞州伯灵顿的Nuance公司以语音识别和转录服务而闻名,在该公司所谓的人工智能实施的“最后一英里”中,它一直是一座关键的桥梁。

斯蒂格利茨认为,尤其是在美国,人们愿意让科技公司制定行为准则,然后自己再遵守这些准则。其中一个原因是,技术的复杂性可能会让它令人生畏。“这让很多人不知所措,他们的反应是:‘我们做不到,政府做不到,我们必须把它留给科技巨头。’”

要将人工智能与我们放射科医生的工作相结合,首先我们要知道放射科医生的工作特性是什么。放射科医生是新技术的弄潮儿,放射科医生能够用最新的机器、最新的设备和最新的技术。

Nuance医疗诊断解决方案业务负责人凯伦·霍尔兹伯格(Karen Holzberger)表示,该公司通过PowerScribe平台为全美近70%的放射科医生提供服务。PowerScribe平台帮助临床医生整理报告和文档。

但斯蒂格利茨认为这种观点正在改变。他认为,越来越多的公司意识到如何利用数据来锁定目标客户。“起初,很多年轻人认为自己没什么好隐瞒的:‘如果你表现好,你怕什么?’”但现在,他们意识到这可能会造成很多伤害。

图片 13

该公司不打算建立自己的算法。相反,Nuance正在与英伟达的人工智能技术集成,以实现自动记录和更容易地创建诊断报告,然后由临床医生进行校正使其更符合实际情况。

那么,我们如何回到正轨呢?

同时,放射科医生的工作还有一个长尾效应,大家不要期望AI能解决一切。我们至少掌握2万个术语、懂5600个病种,有的病例可能一年只见一个,也能用机器解决吗?这叫长尾效应。

霍兹博格说: “我们处于独特的位置,可以总结反馈,并改进模型本身。这是机构开始将人工智能扩展到更多疾病状态的一种方式,同时让它保持在现有的工作流程中,这样放射科医生就可以在合理的时间回家。”

斯蒂格利茨表示,监管结构必须公开一些规定:比如科技公司可以存储哪些数据、可以使用哪些数据、是否可以合并不同的数据集、他们使用那些数据的目的、他们必须提供多大程度的透明度来处理数据。

还有一个特点是新技术,有了X光以后,我们又有了CT、再然后是磁共振。从原先的宏观视角到现在的微观视角。实际上,我们知道可以利用新技术做很多事情,甚至改变我们工作流程和状态。

电气医疗保健(GE Healthcare) 还将其爱迪生平台与ACR AI- lab集成在一起,使人工智能算法能够更快地部署,并更容易地将EHR数据整合到个性化模型中。

“这些都是必须要解决的问题,”他表示,“我们必须意识到科技公司在公开场合所代表的危险,需要出台新的政策来遏制垄断权力,重新分配集中在人工智能公司身上的巨额财富。”

图片 14

“人工智能发展的第一英里——数据聚合和注释——需要尖端技术来收集数据和临床专家来分析这些信息。爱迪生平台拥有超过100个开发者服务,并与ACR AI- lab进行了新的整合,这将使ACR会员更容易、更大规模地完成第一英里,”通用电气医疗保健(GE Healthcare) AI产品管理总监卡利?约德(Karley Yoder)表示。

本月,亚马逊成为继苹果之后市值达到1万亿美元的第二家公司。这两家公司现在的市值超过了前十大石油公司的总和。

放射科医生希望借助AI能够提供类似于飞机的自动驾驶。

虽然在放射学和人工智能的交叉领域仍有许多悬而未决的问题,但很明显,由此产生的技术将是一项巨大的业务。2018年的一份报告估计,到2023年,医疗成像领域的人工智能市场将超过20亿美元。

斯蒂格利茨说:“当如此多的财富集中在相对少数人手中时,社会就会变得更加不平等,这对我们的民主是不利的。”

例如,检测算法将解决“大海捞针”的搜索问题,发现乳腺钙化和肺结节;配准和分割工具将减轻单调的测量和绘制肝转移瘤的时间进程;解剖测量应用程序将绘制器官体积的正常范围;分类程序将有助于解决诊断难题。

这并不是说英伟达就止步于此。

【更多人工智能资讯欢迎关注微信公众号“AI锐见”(Rebuild_ai)】返回搜狐,查看更多

因此,人工智能将把放射科医生的认知领域提升到最高水平,让他们在与人工智能算法和患者合作解释图像时,发挥判断力、创造力和同理心。

除了与ACR的合作,该公司还宣布将与ATOM财团合作,应用数据驱动的基于人工智能的方法来加速医药研究。

责任编辑:

所以,我们也期望可以跟在座的各位做更多交流。要实现这些,有很漫长的道路要走。

尽管如此,这些跨学科合作能否打破医疗服务和临床数据利用的传统边界,仍有待观察。

人工智能与医学影像相关的问题,我们首先知道有CADx、CADe、CADq、CAST等方式,大家要注意,找病灶和诊断病灶是两回事。

米哈尔斯基说: “我最兴奋的是,人工智能技术不仅掌握在少数学者手中,而且掌握在广泛的临床医生手中。这不可能是一项孤立的技术。为了成功,它需要成为每个人都拥有的东西。”

图片 15

图片来源:赫梅拉科技公司,盖蒂图片社

人工智能在医学影像上跟人工智能在医学其他领域有类似的问题,包括隐私、透明性、取代、增强、解释等等方面。

作者: KEVIN TRUONG

深度学习是什么?对我来说就是“黑盒子”理论,这是我们很难大规模开展人工智能应用的一个“拦路虎”。在座的数学家、统计学家、计算机学家,能不能对每一层变量发生的变化给出预测?

链接:

还有一个是可解释性。放射科医生有责任了解他们使用的人工智能技术的回报和风险,提醒患者和利益攸关方注意风险,并监控人工智能产品以防止伤害。

更多精彩,敬请关注硅谷洞察官方网站(

这个背后是什么?是人文、伦理。伦理是医学上最为重要的。

图片 16

举个例子,这个例子来自于几个杂志。2010年,有74%的女性乳腺检查采用了CAD,最后CAD给我们提供的是什么?是不是改变了我们?

杂志最后总结起来有五点:没有从中获益、降低准确性、增加随访率、增加活检率、增加了工作量。

因为标注有很多,这个医生要不断说这个是假阳性的,导致最后医生不想用这个软件了,这些需要注意。

走到今天,放射科医生为什么又有兴趣了?可能是深度学习和过去的CAD不同,走到今天,Deep Learning的算法改进和算力进步,解决了很多实际问题。

在传统CAD时代,计算机视觉甚至无法像一个蹒跚学步的孩子一样,完成微不足道的视觉任务,但现代人工智能正在成功地完成以前人类专家领域的任务。传统CAD产生的错误率大概是人产生错误率的5倍,现在的DeepLearning大概是人的0.5倍。

大家对这种进步也是可以感受到的。过去,开车进停车场总是要拿卡,现在车走到岗亭时,摄像头就可以认识我们的车牌。

深度学习的这种能力是非常强大的,因为深度学习系统通常能够在多个类似的任务上表现良好,并且可以用比传统的计算机辅助设计更少的精力对新任务进行微调。

所以,深度学习取得了前所未有的“成功”,但是这里要打引号,因为后面还会说不成功的地方。

图片 17

这是印度的一个例子,利用平扫CT来发现异常,实现危险分层。针对颅内出血、骨折的征象来判断,这里ROC曲线,下面的面积大于0.85以上才有意义。

图片 18

这是它的分析方式,他们发表了一篇大文章。通过这样一个分析之后得出几个结论:深度学习的算法对头颅进行分析,可以实现危险分层,判断脑袋里面有没有出血。因为,出血判断是根据CT值变化,不需要借助临床资料,单纯识别就可以了。颅骨骨折也是一样,通过图像分割后,判断它的密度变化,达到一定程度认为是出血;根据骨结构的连续性,知道有没有骨折。

图片 19

如果是在肺里面进行分割,难度会骤然增加。我们经常开玩笑,肺里面看结节,可以有99种疾病可能,但常见的有肺癌、结核、肺炎等等,所以医生日常的诊断过程还是很痛苦的。

图片 20

但是这篇文章也认为,AI还需要多中心的实验,看看能不能帮助医生,对患者疗效是不是有帮助。

我引用《Radiology》主编的一篇文章。文章的观点是,由放射科医生支持的诊断算法比决策系统拥有更低的风险。

图片 21

在诊断环节,医生和工程师结合在一起,相对来说风险没有那么大。因为,放射科医生有几十年来之不易的经验,可以指导人工智能的设计、测试、验证、政策和监管。

所以,我们人工智能的公司一定要真诚地去跟医院合作,不要一味地讨我们的数据。

图片 22

从之前谈到的1994年到二十多年后的2018年,同样的梦想又来了,这篇文章又讲了人工智能增加放射科医生的能力。这个梦想很类似,我做了一个简单的总结,我觉得这是非常有意思的。

图片 23

在座各位都知道,图像的分割是非常难的,肺结节分割解决了没有?我认为还没有完全解决,如果结节跟血管或纵隔连在一起,你分割试一下。还有头部和肝里的病灶,对比度很差,分割难度加大。

当然,我们用人工智能的方法改善它。其实,有时候分割并不一定要求那么准确,就可以解决问题。也就是大家不用花大力气,就可以解决问题。

还有一个应用场景是生成放射科报告。大多数放射学报告需要放射科医生长时间的打字或语音识别输入。这些报告必须符合客观事实和语法上准确无误。

利用人工智能,如果我们可以实现报告的结构化,将有利于进行数据挖掘,以及在结构化报告基础上的语义错误检测。

语义分析跟语音识别是两码事,现在把我的湖南普通话翻译成文字,这叫语音识别,我说的话是什么意思是语义识别,这是两码事。

还有可以做一些数据挖掘,我们现在也在做数据挖掘,比如基于影像进行数据的分析,来看看它的诊疗决策价值。

图片 24

影像组学,是一种新方法,2012年才出现的新概念,大家都会问,是否可行?我向大家汇报,完全可行。我们用结直肠癌患者资料作为研究对象,采用影像组学分析方法,仅用了526个病例就建立了结直肠癌淋巴结转移预测模型,能够成功预测淋巴结的转移。

我们的结果获得国际一流专家的认可,JCO杂志在4个月内就接受和5月2日在线发表。因此,我们采用影像基因组学实现早期诊断、精细分型和准确预后预测完全是可行的。

图片 25

下面这一排图像,大家可以看到有圈的部分,这是内听道,里面有神经,类似于上面一排。技术人员扫描过程当中,没有办法达到一致,就可以利用AI的方法来实现,西门子、飞利浦、GE、联影、佳能等厂商都把技术纳入到设备里面,让我们获得标准化图像。

图片 26

大家可以看到,这是骨龄判读。通常,医生需要拿着一本图谱书对照来判断骨龄。利用AI算法估测年龄误差2岁内,内分泌科医生可以接受这个结果,也就是具有临床应用价值。

图片 27

另外,AI未来可以在影像介入来做一些相关事情。比如混合现实,指导我们和教学和模拟手术等。还包括智能导引、个性化3D打印支架或者导管。建立数据库模型支持粒子植入的内放射治疗。根据病灶实际情况,设计和引导放射性粒子放多少?如何放?此外,可以实现基于RECIST的智能评价系统等等。

图片 28

这是我们自己做的一个小的研究,单发巨块型肝癌做了手术之后会复发。如果复发快,我们给予预防性治疗方案,延长病人的生存时间。如果复发几率低,我们可以进一步观察,减少患者的痛苦和节约卫生资源。

图片 29

我们的研究结果表明,基于影像的模型,还有基于临床的病史和检验结果模型,还有这几个方面结合起来的模型,最后显示结合起来的融合模型特异性和敏感性都有提高。所以说,大家做病理的不能单靠病理,做影像的不能单靠影像,否则你就不能做出一个符合临床应用的AI工具帮助医生。

图片 30

这是混合现实,我们医院也有团队基于CT影像做三维重建、VR和3D打印等等。还可以进行个性化的支架打印。这些都是非常有意思的。

图片 31

当然,我们可以把人工智能应用到工作流程优化,比如流程管理、病变识别、建立临床路径、智能导航、康复支持等等。完全可以利用人工智能技术去实现其中一部分的功能。

图片 32

像上图就是达芬奇机器人操作。我们知道达芬奇机器人来做手术,效果是不是一定很好,也需要观察。最近一篇文章讲到,达芬奇做手术的效果并不比人做手术的效果多,甚至有些场景下,效果不如医师手工手术。

图片 33

我们可以利用一些传感器来帮助我们康复,这可能比医生根据现有的设备、自己的经验来进行康复好一些。这是基于一个传感器数据的分析建立模型来进行预测康复效果和指导康复。

现在可以基于CT、磁共振等影像信息进行疗效的评价和预测。也可以把病理,甚至基因信息结合起来,可能发挥更大效能。因此,刚才我跟姚建华博士讨论,我们也在探索“影像+病理”相结合的方式,当然我们现在做得比较粗浅。

图片 34

谈完了上面的应用,其实我们发现人工智能的挑战也很多。

FDA批准的软件ContaCT,由Viz.AI提供。利用CT来判断脑血管梗塞,对CT图像进行AI处理,该算法将自动通知神经血管疾病治疗专家。Radiology主编对于这个软件系统给予了”强烈的”批评。为什么?

图片 35

因为这个软件系统到目前为止公开的数据没有多少,唯一可用的结果来自美国心脏协会2018年国际卒中会议的海报。该系统训练和验证数据来自埃默里大学(Emory University)医生建立的ALADIN非公开数据集。

另外,提供了两个神经放射学家的名字,通过查FDA的文件,只找到一个人的背景,而且这个人还去了这家公司。另外一个还不知道在哪里。

最重要的是它的特异性只有52%,类似于甩硬币。提醒我们的AI公司,注意资料的完整性和可索源性。

图片 36

人工智能医疗的发展上存在一个大问题,那就是数据的结构性差,这也是我们面临的挑战。

我们做医疗是要有温度的,就是情感交流。这就涉及到人文,也涉及到医者和患者两个方面,也是AI最终要解决的,也可能是AI最难解决的。

图片 37

我今天给大家讲了基于深度学习的AI超越了传统的CAD。AI可以帮助我们进行精准的诊断,但是我们医疗数据具有复杂性,我们要敬畏生命不可重复,不能说AI可以解决一切问题。

图片 38

医学伦理学的基础是“不伤害第一”。在医学领域开发和部署人工智能系统同样具有相同伦理义务:我们必须努力确定和减轻使用人工智能可能损害患者或卫生保健工作者的任何可能性。

图片 39

有不对的地方请大家批评指正。谢谢大家。

提问:梁主任您好。您认为如果AI部分取代医疗工作和只是纯辅助性的医疗工作,你认为人文目的和商业目的两个平衡之间哪个更好一点?

梁长虹:首先,AI在我这个专业的方向应该分两部分,一个是基于数据应用,一个是基于设备应用。

我说的人文是未来的事情。设备厂商完全可以,而且已经利用人工智能的技术帮助我们做很多事情,比如利用深度学习的方法改善图像的信噪比,减低辐射剂量提升图像质量,还可以进行标准的采集等等,这是基于设备的。这部分有很多场景是可以实现的,但是这些商业行为可能跟各位做数据分析是两码事。

第二,是基于数据应用。这个难度比基于设备应用难得多。一个是模型的共性和可泛化性。比如在中山大学用得很好,能不能放到省人民医院用得同样好?比如糖网,放在不同的医院是不是一样?换另外一家公司的照相机会不会还是一样?这些都是需要探索的。

本文由必威发布于betway互联网,转载请注明出处:是时候关注AI带来的社会两级分化问题了,AI虽超

关键词:

最火资讯