在全球范圍內(nèi)，醫(yī)院人手短缺、醫(yī)生工作過(guò)度，都是普遍存在的情況，但是很快這一現(xiàn)象就會(huì)因機(jī)器學(xué)習(xí)的大規(guī)模應(yīng)用而得到改善。

實(shí)踐證明，一種訓(xùn)練醫(yī)學(xué)人工智能（AI）系統(tǒng)的新方法在診斷疾病方面，比以前的工作表現(xiàn)得更加精確。

近日，由倫敦大學(xué)學(xué)院（University College London）和英國(guó)醫(yī)療服務(wù)提供商巴比倫健康公司（Babylon Health）的研究人員開發(fā)的人工智能系統(tǒng)研究成果，刊登在《自然》子刊 Nature Communications 上。

傳統(tǒng)的人工智能系統(tǒng)根據(jù)患者出現(xiàn)的癥狀來(lái)識(shí)別最可能出現(xiàn)的疾病，而與傳統(tǒng)的人工智能系統(tǒng)不同，因果人工智能（causive machine learning）系統(tǒng)的判斷方式更加接近醫(yī)生診斷病癥的方式：通過(guò)使用反事實(shí)問(wèn)題（counterfactual questions）的方法來(lái)縮小可能出現(xiàn)的疾病范圍。

這種人工智能系統(tǒng)可以幫助醫(yī)生進(jìn)行診斷，尤其是對(duì)于復(fù)雜病例來(lái)講。并比現(xiàn)有的人工智能系統(tǒng)更加精確，甚至在一個(gè)較小規(guī)模的對(duì)照試驗(yàn)中的表現(xiàn)也優(yōu)于現(xiàn)實(shí)生活中的醫(yī)生。

理解因果關(guān)系的人工智能

在醫(yī)學(xué)上，相關(guān)性和因果關(guān)系之間的差異很重要。與醫(yī)生診斷不同，現(xiàn)有的癥狀檢查僅根據(jù)相關(guān)性提供建議，而不是根據(jù)因果關(guān)系來(lái)的。
舉例來(lái)講，病人可能因?yàn)楹粑�急促而到醫(yī)院就診。基于相關(guān)性的人工智能可能會(huì)將呼吸急促與超重（overweight）聯(lián)系在一起，進(jìn)一步把超重與患有 2 型糖尿病聯(lián)系起來(lái)，并建議使用胰島素。

但基于因果關(guān)系的人工智能系統(tǒng)可能會(huì)把重點(diǎn)放在呼吸急促和哮喘之間的聯(lián)系上，從而探索其他治療方法。

這種被稱為因果機(jī)器學(xué)習(xí)的新人工智能方法在網(wǎng)絡(luò)中獲得越來(lái)越多的關(guān)注，它可以產(chǎn)生一種“想象”，當(dāng)患者的疾病與原有模版中的疾病不同時(shí)，人工智能可能對(duì)此癥狀進(jìn)行自動(dòng)聯(lián)想，從而做出正確的診斷。

在 Nature Communications 上發(fā)表的經(jīng)過(guò)同行評(píng)審的研究，是研究人員第一次使用因果推理的方式進(jìn)行臨床試驗(yàn)，并且研究表明，將相關(guān)性與因果關(guān)系分離開來(lái)，人工智能系統(tǒng)的準(zhǔn)確性明顯提高。

論文作者、倫敦大學(xué)學(xué)院（University College London）Ciarán Gilligan－Lee 說(shuō)：“我們著手將因果關(guān)系放到人工智能中，這樣我們才能找到患者真正的疾病，并據(jù)此為他們提供幫助。”

對(duì)比試驗(yàn)結(jié)果使人振奮

在這項(xiàng)試驗(yàn)中，一個(gè)超過(guò) 20 個(gè)人的巴比倫全球醫(yī)生團(tuán)隊(duì)共創(chuàng)建了 1671 個(gè)真實(shí)的醫(yī)療救助病例，這些病例包括 350 多種疾病的典型和非典型癥狀。每個(gè)病例都是由一位醫(yī)生撰寫，然后由其他多位醫(yī)生進(jìn)行驗(yàn)證，以確保它可以代表一個(gè)真實(shí)的診斷病例。

另一組 44 名巴比倫全科醫(yī)生分別被分配了至少 50 個(gè)書面病例進(jìn)行評(píng)估。醫(yī)生列出了他們認(rèn)為最有可能的疾病（每次診斷平均返回 2．58 種潛在疾�。�。治療的準(zhǔn)確性是由他們?cè)谠\斷中根據(jù)真實(shí)疾病的比例來(lái)衡量的。

然后，人工智能系統(tǒng)也進(jìn)行了相同的測(cè)試，并使用了一種基于相關(guān)性的舊算法（專門為此研究創(chuàng)建，而不是從最新的產(chǎn)品中獲得）和較新的因果算法。對(duì)于每項(xiàng)測(cè)試，人工智能只能報(bào)告與醫(yī)生相同數(shù)量的答案。

測(cè)試結(jié)果顯示，醫(yī)生的平均分?jǐn)?shù)為 71．40％（±3．01％）；較舊的相關(guān)算法執(zhí)行的效果與普通醫(yī)生相同，達(dá)到 72．52％（±2．97％）；而新的因果算法得分為 77．26％（±2．79％），得分高于 32 位醫(yī)生、與 1 位醫(yī)生分?jǐn)?shù)相同、僅比 11 位醫(yī)生的得分低。

而且，當(dāng)涉及非霍奇金淋巴瘤等罕見疾病的時(shí)候，新的人工智能系統(tǒng)準(zhǔn)確率仍勝過(guò)醫(yī)生。對(duì)于這些情況，它比舊的人工智能系統(tǒng)大約準(zhǔn)確率高 30％。
對(duì)于這種情況，巴比倫公司科學(xué)家、研究論文主要作者 Jonathan Richens 博士介紹說(shuō)：“我們采用了一種具有強(qiáng)大算法的人工智能系統(tǒng)，賦予它想象不同現(xiàn)實(shí)的能力，并考慮如果是另一種疾病會(huì)不會(huì)出現(xiàn)這種癥狀。在這些書面病例測(cè)試中，人工智能系統(tǒng)可以準(zhǔn)確檢測(cè)患者產(chǎn)生疾病的潛在原因，并獲得比 70％ 醫(yī)生都高的評(píng)分�！�

巴比倫首席執(zhí)行官兼創(chuàng)始人 Ali Parsa 博士表示：“目前，世界上一半的人幾乎都無(wú)法獲得醫(yī)療保健服務(wù)，因此，我們需要做得更好。而人工智能系統(tǒng)在測(cè)試案例中得到的結(jié)果令人振奮�！�

他繼續(xù)補(bǔ)充道：“這不應(yīng)被當(dāng)作機(jī)器取代醫(yī)生而聳人聽聞，因?yàn)檎嬲�鼓舞人心的是，我們終于得到了能夠提高現(xiàn)有醫(yī)療系統(tǒng)的覆蓋范圍和生產(chǎn)力的工具。人工智能系統(tǒng)將是一個(gè)重要的工具，幫助我們結(jié)束醫(yī)療保健資源分配不均的不公正現(xiàn)象，并使地球上的每個(gè)人都能更容易負(fù)擔(dān)得起�！�

人工智能診斷廣受好評(píng)

巴比倫醫(yī)學(xué)部副主任兼全科醫(yī)生 Tejal Patel 博士說(shuō)：“我很高興有一天，這種 AI 可以幫助我和其他醫(yī)生減少誤診，并騰出時(shí)間幫助我們專注于最需要護(hù)理的患者身上。我期待這類工具成為標(biāo)準(zhǔn)工具，提高我們現(xiàn)有的工作水平�！�

巴比倫首席科學(xué)家 Saurabh Johri 博士補(bǔ)充道：“有趣的是，我們發(fā)現(xiàn)人工智能和醫(yī)生相輔相成，在較困難的情況下，人工智能的得分比醫(yī)生更高，反之亦然。此外，該算法對(duì)更容易誤診、更嚴(yán)重的罕見疾病尤其有效。”

前巴比倫公司成員，UCL 名譽(yù)講師 Ciaran Lee 博士說(shuō)：“因果機(jī)器學(xué)習(xí)方法使我們能夠提出更豐富、更自然的醫(yī)學(xué)問(wèn)題。這種方法具有巨大的潛力來(lái)改善當(dāng)前的所有其他癥狀檢查程序，但是它也可以適用于醫(yī)療保健和其他領(lǐng)域的許多其他問(wèn)題，這就是為什么因果人工智能如此引人注目，因?yàn)樗�具有普遍性�！?/p>

然而，Gilligan Lee 也認(rèn)為，醫(yī)生可能更擅長(zhǎng)于發(fā)現(xiàn)更常見的問(wèn)題。他計(jì)劃為該系統(tǒng)尋求監(jiān)管部門的批準(zhǔn)和臨床驗(yàn)證，目的是將其放入一個(gè)應(yīng)用程序中，患者可以從中獲取有關(guān)癥狀的信息和治療的建議。

英國(guó)伯明翰國(guó)民健康保險(xiǎn)基金會(huì)信托基金會(huì)（University Hospitals Birmingham NHS Foundation Trust）的 Xiaoxuan Liu 表示：“他們?cè)诤艽蟪潭壬厦枋隽艘环N新的解決問(wèn)題的技術(shù)途徑。論文中的方法論非常好，而且這項(xiàng)技術(shù)確實(shí)顯示出一些希望�！�

Liu 認(rèn)為，該系統(tǒng)在罕見病診斷方面的表現(xiàn)優(yōu)于醫(yī)生這一事實(shí)令人振奮，盡管她警告說(shuō)，該系統(tǒng)仍處于早期階段，病例數(shù)量相對(duì)較少�！拔覀冃枰�看看它現(xiàn)實(shí)世界的病例中是如何起作用的，在這些病例中，病史并不是十分清楚的，有時(shí)可能是多種疾病相互作用的結(jié)果，這些病例對(duì)于該系統(tǒng)來(lái)講將是一項(xiàng)挑戰(zhàn)。”

總的來(lái)說(shuō)，這項(xiàng)技術(shù)為醫(yī)生與人工智能之間的未來(lái)合作鋪平了道路，這將加快醫(yī)生的診斷速度，并進(jìn)一步提高診斷的準(zhǔn)確性，為臨床醫(yī)生騰出時(shí)間來(lái)改善患者的狀況，并提升患者的體驗(yàn)。此外，它有可能擴(kuò)大臨床醫(yī)生的工作，并繼續(xù)推動(dòng)為患者提供更好的醫(yī)療保健系統(tǒng)。
排版：趙辰霞
編審：王新凱