《英国医学杂志》：医疗AI能力被夸大，或对患者宁静组成风险

文丨学术头条

社会的数字化意味着我们正在以前所未有的速度积累着数据，医疗方面也不破例。据IBM 预计，每小我私家一生中约莫会积累 100 万兆字节的数据，全球医疗保健数据的总量每隔几年就会翻一番。

为了处置惩罚这些大数据，越来越多的临床医生与盘算机科学家和其他相关学科互助，使用人工智能 (AI) 技术来资助检测有噪音的信号。最近的一项预测显示，医疗人工智能市场的价值从 2018 年的 20 亿美元将增长到 2025 年的 36 亿美元，复合的年增长率将到达 50%。

AI 是一个创新和快速生长的领域，具有改善患者照顾护士和减轻医疗服务极重肩负的潜力。深度学习是人工智能的一个分支，在医学成像领域体现出了特此外前景。随着越来越多的研究结果的揭晓，各界对医学成像等领域的深度学习研究兴趣日益浓重。

AI逾越医生了吗？

近一两年，我们常看到一些媒体新闻泛起诸如“研究发现，谷歌人工智能比医生早一年发现肺癌” 以及 “人工智能比医生更擅长诊断皮肤癌” 这样的标题。

媒体的宣传极大增加了民众和商业对 AI+ 医疗的兴趣，也催化技术加速实施。但实际上，这些标题背后的研究方法和偏倚风险尚未获得详细的磨练。

但《英国医学杂志》(BMJ) 的研究人员最近警告说，“许多研究和媒体声称人工智能在解释医学图像方面到达与人类专家一样的水平，甚至比专家还好，但实际上 AI 的质量很差，而且被夸大了，这对患者的宁静组成了风险。”

为了进一步研究这个问题，伦敦帝国理工学院的研究人员回首了已往 10 年揭晓的研究效果，系统地检查研究设计、陈诉尺度、偏倚风险，并将深度学习算法在医学成像方面的体现与临床专家举行比力。

他们的数据泉源于 Medline、Embase、Cochrane 中央对照试验注册簿和世界卫生组织 2010 年至 2019 年 6 月的试验注册簿，包罗了 7334 份研究记载和 968 个试验注册。他们通过接纳随机试验挂号和非随机研究方法，以公认的陈诉尺度为权衡，对深度学习算法在医学影像像中的体现与多个临床专家举行比力。

所谓的随机试验是对研究工具举行随机化分组，设置对照组，以及应用盲法，让研究者和受试者双方均无法知晓分组效果。而 CONSORT（临床试验陈诉统一尺度）是随机对照试验的陈诉尺度，包罗了各组受试者例数、接受已分配治疗的例数等，有助于资助医务人员相识试验配景、目的、干预措施、随机方法和统计分析。而非随机试验则是将研究工具的分组根据研究者或患者意愿举行分组，在本试验中接纳 TRIPOD 作为陈诉尺度。

在随机临床试验中，研究人员发现了仅有 10 项有关深度学习的记载，其中有 2 项已经揭晓，划分是眼科和放射科，其余 8 项正在或即将招募临床患者举行试验。

AI的体现被“夸大”

在第一项试验中，招募了 350 名在中国眼科诊所的儿科患者，这些患者划分在有无 AI 平台的情况下接受白内障评估诊断，获得治疗建议。研究人员发现 AI 诊断的准确率为 87%，而专家医生的准确率到达 99%，这些效果显着低于专家医生的诊断准确性，可是 AI 平台举行诊断的平均时间却比专家的诊断速度快。

第二项完成的试验招募了举行肠镜检查的患者，发现 AI 系统可以显著检测息肉，有较低的误差风险，高度遵守陈诉尺度。

而在 81 个非随机临床试验中，他们发现只有 9 项研究具有前瞻性，其中只有 6 人在真实世界（real-world）的临床情况中举行了测试。在 81 项研究中的 77 项的摘要包罗了有关 AI 与临床医生体现之间的比力，有 30% 的研究表现 AI 优于临床医生。为了对研究的效果举行独立审查，他们还对原始数据和代码举行会见时，却受到严重限制，仅有 1 项研究提供了原始标签数据和代码。

通过使用偏倚风险工具对研究举行评估，研究人员还发现有凌驾三分之二的研究被判断有较高的偏倚风险，遵守公认的陈诉尺度的情况较差。有四分之三的研究声称人工智能的体现可与临床医生相提并论，甚至更优于临床医生，而只有 38% 的研究讲明需要进一步的前瞻性研究或试验。

总而言之，在医学成像领域，很少有前瞻性的深度学习研究和随机试验。大多数非随机化试验不具有前瞻性，存在较高的偏倚风险，并偏离现有的陈诉尺度。大多数研究缺乏数据和代码可用性，而且人类比力器组通常很小。

不外研究人员也指出此次评估研究中的一些局限性，好比遗漏研究的可能性，以及对深度学习医学成像研究的关注，因此研究效果可能不适用于其他类型的人工智能。

只管如此，他们说道，“现在存在着许多关于与临床医生等价或优于临床医生的夸大说法，这在社会层面上对患者宁静和人口康健组成了潜在风险。” 他们也警告道，“太过的答应，会使研究容易被媒体和民众曲解，效果可能不切合患者的最佳利益，也无法最大限度地保障患者的宁静，而最好的措施是确保我们有高质量和透明陈诉的证据基础。”

参考资料：

[1] https://www.eurekalert.org/emb_releases/2020-03/b-co032320.php

[2] https://www.bmj.com/content/368/bmj.m689

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App