深度医疗

 深度医疗

 

埃里克·托普

51个笔记

 

推荐序二

 

了解一个什么样的人得了病，比了解那个人得了什么病更重要。

 

 

01 深度医疗模型：深度表型分析、深度学习、深度共情三足鼎立

 

随着机器变得越来越智能、能够承担适当的任务，我们发现，它们更容易让医疗变得人性化。

 

人工智能在医疗领域中的应用包括：提供个人医疗数据的复杂全景图、优化医疗决策、减少误诊和过度医疗操作等失误、帮助梳理和解读相应的检查、推荐治疗方案等，而这些应用都是由数据驱动的。

 

人工智能已被证明能够诊断某些类型的皮肤癌，甚至可能比专业的皮肤科医生做得更好；能够像心脏病专家一样识别特定的心律失常；能够像资深的放射科医生和病理科医生一样，解释医学扫描结果或病理片子；能够像眼科医生一样诊断各种眼科疾病；还能够比心理医生更好地预测自杀。

 

随着时间的推移，人工智能将帮助我们实现这些目标，但这必将是一场没有终点的马拉松。

 

第一部分是深度表型分析，即运用一切相关数据深度识别个体的能力。它也可叫作数字化人类的本质，包括所有人的医疗数据、社交数据、行为习惯、家族史，以及人的生物学数据：解剖学数据、生理学数据及人体环境数据等。

 

第二部分是深度学习，它将在未来医疗中扮演重要角色。

 

第三部分是最重要的部分，即医患之间的深度共情和深度联结。

 

随着时间的推移，医疗已成为一个巨大的产业，到2017年甚至已成长为美国最大的产业。目前在美国，这一领域拥有的雇员最多，已超过零售业。

 

人工智能带来的巨大机遇并不是避免犯错、减少工作量或者治愈癌症，而是重建医患之间长久且有人情味的宝贵联结与信任。

 

医生会接受人工智能及算法成为自己的工作伙伴。

 

虚拟医疗助手会不间断地收集所有数据，不断更新并深度学习，结合已知的医学知识来提供反馈和指导。

 

机器的兴起应该伴随着更高的人性化，让医生有更多的时间陪伴患者、感同身受，这才是真正地实现优质医疗。

 

 

02 浅度医疗：令患者绝望、医生疲惫的非智能医疗

 

与患者的肤浅接触会导致更多的误诊，从而增加非必要的检查及无效治疗。

 

浅度证据（不可靠的证据）都导致了浅度医疗（不可靠的医疗实践），进而引发了大量误诊和非必要的操作。

 

我们不应该进行任何无中生有、毫无计划的检查。相反，我们应该在患者的患病风险和适合程度的评估基础上，来判断检查有无必要。

 

 

03 医疗诊断：人工智能工具与医生结合提高诊断和预测的精确性

 

意识到你处于认知雷区的迹象后，减速，并从‘第二系统思维’借力。

 

如果没有得到反馈，自信心的增长会远快于准确性的提高。

 

而HumanDx（人类诊断项目）则是一个基于网络和移动应用程序的平台，已有来自40个国家的6 000多名医生和实习医生使用。

 

 

04 从深度学习到深度医疗：人工智能的成功先例对医疗健康领域的启发

 

但凡你有足够的数据，算法就能够自己过滤掉干扰。

 

在只掌握基本规则、没有人类示范或指导、没有其他知识的情况下，一种算法可以被训练到超人水平。

 

AlphaGo Zero的算法只输入基本规则，没有国际象棋的先验知识，在自学4小时后就能达到冠军水平。

 

ImageNet例证了人工智能领域公认的一个观点：数据集，而非算法，将是限制人类级别的人工智能发展的关键因素。

 

甚至有人声称，DNA标记能够准确预测一个人的面部特征，从而确定其身份

 

我们可以通过智能手机的人工智能应用软件Face2Gene来进行面部特征识别，协助诊断罕见的先天性疾病。

 

AliveCor开发了一个四层深度神经网络，可以通过心电图来识别个人身份。

 

加州大学圣迭戈分校的研究人员就利用机器学习人脸来诊断疼痛，结果显示，这种方法比人类的感知更准确。

 

目前的技术能力已经实现了将文本转换成语音且与人声难以区分的目标。

 

 

05 突破局限：深度学习亟须解决的八大问题

 

很多模型都将人类的偏见、误解和偏差编程进了软件系统，从而使系统不断掌控我们的生活。

 

最小化人工智能所引起的富穷差距，以及国家之间和国家内部的差距

 

作为人类，我们可以重新设计软件，学习复杂的新技能，但对于调节自身的生物硬件我们却能力有限。

 

 

06 “有模式”的医生：最有可能被人工智能取代的三类医生

 

医学影像解读中存在的错误比公认的要多很多，误报率占2%，漏报率超过25%。

 

PathAI曾宣传，只使用算法有2.9%的错误率，只通过病理科医生的努力有3.5%的错误率，但两者结合可将错误率降至0.5%。

 

对于皮肤科医生而言，使用算法将帮助减少诊断时间，使他们能将更多的注意力转移到皮肤病灶的切除和治疗上。对于那些筛查皮肤问题的初级保健医生而言，算法有助于提高他们诊断的准确率。

 

 

07 “无模式”的医生：人工智能如何打通所有医学学科

 

要想为特定的患者制订出最佳方案，医生或人工智能系统应当将患者的所有数据进行整合，包括生物、生理、社会、行为、环境等，而不是基于大型队列的整体疗效提出建议。

 

我们陷入了数据解释的二元世界之中：只有正常或异常，忽略了这些可被利用的丰富且具体的连续性数据。

 

人工智能的作用正从单一的临床诊断拓展到在数十种可能诊断的情况下提供紧急转诊的建议。

 

 

08 心理健康：人工智能发挥重要作用的新领域

 

“诚实的信号”包括我们说话时的语气、流畅度、对话参与度以及精力等。

 

睡眠质量是反映一系列心理健康问题的重要指标，通常通过腕带或手表来监测，但腕带或手表只能感知穿戴者在睡眠期间的身体活动。要真正了解患者的睡眠状态，需要将传感器与脑电波建立相关性，而这目前尚未实现。

 

弱势群体更愿意将不愿示人的一面展现给机器，而这样的选择可能会阻断人们的关怀机会。因此有人可能会争辩说，最终这种形式的人工智能治疗可能比不接受治疗更糟。

 

 

09 医疗系统：人工智能如何通过影响医疗系统造福人类

 

美国超过20%的医疗健康支出与行政管理有关。

 

在健康预测不断改善的时代，我们需要制定法规以避免基于风险的歧视。

 

 

11 深度饮食：定制真正个性化的饮食方案

 

希波克拉底曾说过：“让食物成为你的药物，而不要让药物成为你的食物。

 

 

12 虚拟医疗助手：承担医疗指导的责任，造福消费者

 

睡眠过程中的移动只是大脑活动的一种替代，并不如通过脑电图监测大脑的电波活动来得精确

 

虚拟医疗助手要想取得最终的成功，很大程度上取决于改变人类行为的能力，因为大多数疾病与不良的生活方式有密切关系。

 

未来医疗的发展巅峰将会是建立虚拟医疗顾问，以及推动人们实现自驱式的健康。

 

 

13 深度共情：人工智能如何让医疗回归以人为本

 

拥有更多的时间能提高人们的生活满意度。

 

随着机器变得越来越智能，人类需要沿着一条不同于机器的道路进化，以便变得更加人性化。

 

要成为富有人性的人，就要成为一个具有生活痕迹、有特质、有观点的特定的人。

 

在选择未来的医生时，情商应该被优先考虑，而不是那些逐渐失去效用的品质。

 

 

译者后记

 

患之间的共情是医疗的本质，再先进的技术都不可能替代它。

 

微信读书