大家，好2843，今天那声老师给大家分享，的是AI诊断在实验室达到准确度，只是第一步谷歌发表，的AI诊断系统，据称，在实验室能够达到专家水平。但在临床，中忽视甚至不推荐患者使用AI系统这种落差把人们的视线拉回了AI的老问题人工，智能，为何到，最后还不如人工谷歌通过研究获得了经验时。啊以人为中心，的评估哪儿模型泰国是狗狗选定的测试地区该国的卫生部希望在一年的时间内完成对该国60%的糖尿病人进行糖尿病性的视网膜病变。 这意味，着200名视网膜，专家要对450万名患者进行诊断如果不能及早完成筛，查第二可能会导致失明，泰国卫生部传统的方法是护士在做检查。是为患者的眼睛，拍照通过电子邮件或本光盘送到增加的手，里进行筛，查整个过程可能需要长达十周的时间不过护士通常会通过初步的判断，通知有明显异常。患者，转诊，眼科，医生护士，的错误判断一般是根据轻度中度严重非增殖期和增殖期四个阶段以及糖尿病性的黄斑水肿demi的情况给患者复查的建议。对于如此典型的问诊难问题顾客希望可以通过自己的AI诊断系统来解，决谷歌研究人员此前创建了一个有12.8万幅图片，的数据集每张图片记录了三到四名眼科医生的评估结果。然，后训练科学家发现新家园，距地球约39光年，可能会有生算，法系统已经拿到了c一的认证，仍然在，等待FDA的批准，这套OPPO发布首款无线降噪耳机OPPO Enco Q1系统通过扫描眼睛，利用图像分析来，显示是否有血管堵塞或柔顺。 此来识别第二的症，状据称准确率超过，90%，顾客health的研究小，组称之为人类专家水平原则上10分钟就能出结果。理想状态，下这套系统理论上能省去或是判断和分级的步骤，不用再把图像发，给脸可真闲但是护士认为他们必须在AI工具被广泛应用之前。了解他是如何在环境中为人们工作，的尤其是医疗领域，要想使图像更累人和机械进行分级必须捕获清晰的爽抹去。也就是说相机的光线需要进入到眼睛的后部，这就需要患者的瞳孔放大或者是在黑暗的环境当中使用瞳孔扩张毕业但估个测试了11家诊所当中不同诊所的检查环境大不相同。有两，家诊所，有专门的安徽拍片使一些诊所，没有扩张第一页，其他诊所都是在办公室进行拍摄，即使相机的上方有荧光灯也无法拍出满足系统要求的图像。 AI现有的法规CE和FDA的认证主要针对准确性而不是诊断或治疗效果为了保证系统的准确，性谷歌研究人员对图像质量有严格的阈值。为满足要求的图像会被拒绝识别这就造成算法拒绝了21%，的图像这种情况下系统会通知护士护士告知患者来转诊，系统给出了确定的结果。但也有一定的局限，性有的图像比较模，糊护士能够看清但是系统看不清在现实条件下可以通过拍摄两次图像合成一张完整的图像他们希望系统能做到这一点。可是系统做不到因为参数设置要求每一张图片都必须是高质量的相机的闪光灯会造成病人的不适病人最多接受两次拍照并且两次拍照也会浪费时间。另一个重要的问题，是整个系统的运转，强烈依赖，网络图像要被上传到云端，才能被评估但是在此项研究中的整数网络连接时藏经常出问题往往需要60到90秒。 完成上传严重减慢，了筛查，的速度如果网络断，开，两个小时一家诊所一天能检查，的病人数就会减半甚至有诊所表示病人喜欢即使结果的网速太慢病人抱怨。他们从早上六点就在这里等了两个，小时而医生只能检查十个病，人这场测试反映了理想的AI系统与资源有限的现实环境之间的尖锐矛盾。谷，歌把以人为中心的评估纳入深度学习模型评估通过临场网络生成的数据来提升模型的性能我们可以降低深度学习系统在现实条件下失败的风险并增加对患者。和临床，医生有意义的改进的可能，性谷，歌health小组正在与当地诊所，进一步完善工作流程比如训练护士在临界情况下。调，整模型，算，法以处理不完美的图像一个护士自己筛选了1000个病，人有了这个工具它是不可阻挡，的但病人并不真的在意使图片是机器还是人类在识别。 他们关心的是自己接下来经历的是什么，谷歌布局医疗领域，早在2016年就有所行，动，ibm也在同年成立了我省health与世界各地的不少知名医院进行合作。2017年ibm研究院发表了研究成，果称在世杯集市旁的检测上机器能达到95%的准确度但从发布结果到现在这个系统几乎没有重大临床使用的。AI医，学影，像是目前人工，智能，和医疗领域，较为热门的行业之，一据，global market inside的预测数据，2024年AI影像将达到25亿美元的规模。对呀医疗市场规模的25%利用，城乡数据进行诊断方面深度学习网络一直优于专业的，医生尤其是视网膜图像相比皮肤或病理成像它的边心更小数据更好。深度学习系统的表现也更，好，这就是为什么股沟和ibm等大公司都决定专注这一领域，的原因但在临床当中系统的限制变得明显现实中的数据质量可用于训练的质量。 相差很，大导致影响了性能这项研究只强调了AI工具在大规模应用部署中所要克服，的一个小，挑战所以骨骼的研究非常的重要但在实验室确保准确性。第一步早，在上个，世，纪黑客帝国就为我们描述，了一个人机共生的未来而现在人们讨论，的人际共，生更多的是，玻璃了黑客帝国的反乌托邦主义色彩，人机各有收藏。人类投身于更有价值的工作，同时将大量重复的工作交，给AI对于医疗行业而言人与科技之间，的关系或许也应该是这样最理想的情境是人与科技共同找出最优的。解决方，案而不是由任何一方单独完成之后有必要重新考虑以人为本的AI AI需要更深层的反映人类智能人类的视觉感知非常丰富。它很复杂且容易受到周围环境的影响，可以自然地将我们对显而易见的目标的认识和对细微差异的敏感，性平衡起来相比之下近期的感知就比较小哎。 AI对整个人类思想更敏，感并，非易事这些解决方，案可能需要来，自超越计算机科学领域的洞察力，这意味着程序员不得不学习如何与其他领域的专家进行更频繁地写作。这种合作，意味，着回归AI的根源而不是被利他。