AI為何還是取代不了放射科醫師?

AI為何還是取代不了放射科醫師?

圖片來源:Shutterstock

現在聊天機器人會用LINE問診、AI能讀解讀影像,放射科醫師從1960 年代初期就開始擔憂被機器人取代?

【最新消息】未來城市開設新 FB 粉專囉!按這裡加入吧!

2016 年10 月,站在創造性破壞實驗室的機器智慧產業年度研討會的講台上,深度學習神經網路的先驅傑佛瑞.辛頓(Geoffrey Hinton)對著600 位觀眾宣稱:「我們現在應該停止訓練放射科醫師。」

從1960 年代初期以來就擔憂機器會把他們取代,現今的科技又有哪裡不同?

機器學習技術愈來愈善於預測缺失的資訊,包括從影像中尋找及辨識物品。在一套新的影像下,技術可以有效率地比對幾百萬筆過去有疾病和沒有疾病的例子,並預測新的影像是否暗示有疾病的存在。

許多新創公司都已經將放射醫學的AI 工具商業化,例如IBM 的華生系統(Watson)可以找出肺栓塞和其他各式各樣的心臟問題;一家新創公司Enlitic 使用深度學習偵測肺部結節(lung nodules,這是相當尋常的例行程序)和骨折(比較複雜)。

放射科醫師的工作有個關鍵部分就是解讀影像,並偵測呈現出可能有醫療問題的不規則現象。而這些新工具是辛頓預測的核心,也是放射科醫師與病理科醫師討論的主題。

AI預測減少不確定性,協助診斷

不過,根據我們和基層醫療醫師與放射科醫師的訪談,加上對既有經濟學原理的知識,現在醫療顯影仍保留給人類專家的關鍵角色:

第一,從短期與中期來看,仍需要人類判定特定病患的影像。顯影的成本很高,包括時間與(有些顯影技術)暴露在放射線下對健康的潛在影響。隨著成本下降,顯影的數量會增加,所以在短期甚至是中期,有可能會把人類減少花在判讀每張影像的時間效應抵銷。

第二,放射科醫師可以分為放射診斷科醫師和介入性放射科醫師。AI可以學習放射診斷科的物體辨識,然而使用即時影像輔助醫療程序的介入性放射學,牽涉到人類判斷與靈巧的人類行動,並未受到AI 的進展影響。而是在提供更好的影像辨識下,介入性放射科醫師的工作會輕鬆一點。

第三,許多放射科醫師自認是「醫生的醫生」。他們的工作有個重要部分就是與基層醫師溝通影像的意義。具有挑戰性的部分在於,放射影像的解讀,以他們的術語來說,:「有70%的機會是X 疾病,20%的機會是沒有病,還有10%的機會是Y 疾病。不過,如果現在起兩週內出現這種症狀,那就有99%的機會是X 疾病,而且1%的機會沒有生病。」許多基層醫師並沒有受過良好的統計學訓練,很難解讀機率和條件機率,放射科醫師協助他們解讀數字,讓基層醫師可以和病患一起決定最好的行動方案。

第四,隨著科技進步,少數巨星級的放射科醫師將協助訓練機器解讀影像甚至診斷。相較於向病患收費,他們未來可能會從教導AI 的每個新技術、或由他們訓練的AI 所檢驗的病患數量來計算報酬。

人類醫師問診、判斷仍可推翻AI預測

預測機器會減少不確定性,但不會每次都消除不確定性。

舉例來說,如果機器預測:「根據帕特爾先生(Mr. Pat el)的背景與影像資料來看,肝臟的腫瘤有66.6%的機會是良性,33.3%的機會是惡性,還有0.1%的機會不是腫瘤。」這時候,醫生必須考慮是否安排侵入性手術,更進一步了解狀況,例如切片檢查。

因此,人類專家在醫療顯影的第五種作用,也是最後一種作用,就是即使機器表示有相當高的可能性沒有問題,仍可以決定做出進行侵入性檢驗的判斷。

因為醫生或許有病患整體健康的資訊,包含就診時的心理壓力,或是有其他的質化數據。這種資訊大概不容易寫成程式而供機器取得,還是需要具備解釋發生機率的專業放射科醫師,與了解病患需求的基層醫師進行對話。這種資訊可能導致人類否決AI 的建議而不進行手術。

放射科醫師是否有未來?取決於他們是否可以很好的承擔那些角色、是否有其他專家將取代他們,或者是否發展出新的工作類別。


好書推薦:

作者:阿杰・艾格拉瓦(Ajay Agrawal)、約書亞‧格恩斯(Joshua Gans)、阿維・高德法布(Avi Goldfarb)
譯者:林奕伶
出版社:天下雜誌
出版日期:2018/10/31

(責任編輯:程遠茜)

延伸閱讀