（文章來源：中國(guó)智能手機(jī)網(wǎng)）

小編發(fā)現(xiàn)不少朋友對(duì)于人類與AI的診斷推理之間的3個(gè)主要區(qū)別這方面的信息都比較感興趣，小編就針對(duì)人類與AI的診斷推理之間的3個(gè)主要區(qū)別整理了一些相關(guān)方面的信息 在這里分享給大家。

根據(jù)CMAJ發(fā)表的一項(xiàng)新分析，人工智能在醫(yī)療保健中的使用正在迅速增長(zhǎng)，但是醫(yī)療保健提供者仍然是患者護(hù)理的絕對(duì)必要的組成部分。作者補(bǔ)充說，人工智能不能替代人類推理，但它無疑可以在每天協(xié)助醫(yī)生方面發(fā)揮重要作用。

法國(guó)斯特拉斯堡大學(xué)的蒂埃里·佩拉西亞(Thierry Pelaccia)及其同事寫道：“多項(xiàng)研究表明，人工智能可以在多大程度上用于醫(yī)學(xué)診斷和支持診斷。” “由于目前的證據(jù)支持AI僅能用于少量診斷任務(wù)，而人類專家仍然能夠?qū)W習(xí)和診斷各種疾病，因此，人類智能似乎仍然是診斷所必需的。”

Pelaccia和同事寫了關(guān)于人類智能和AI之間最重要的區(qū)別。這是分析中涵蓋的三個(gè)最大差異：1.他們做出診斷的方式，“醫(yī)生主要使用假設(shè)推論的方法進(jìn)行診斷。在盡早產(chǎn)生診斷假設(shè)之后，他們花費(fèi)了大部分診斷時(shí)間來收集更多數(shù)據(jù)來對(duì)其進(jìn)行測(cè)試。“這種方法以認(rèn)知過程為基礎(chǔ)，根據(jù)雙重過程理論，認(rèn)知過程可以是直觀的或分析的。”

另一方面，人工智能基于正確收集和標(biāo)記的數(shù)據(jù)進(jìn)行診斷，該模型存儲(chǔ)知識(shí)并不斷發(fā)展，直到在訓(xùn)練集上“提出準(zhǔn)確的輸出”為止。該團(tuán)隊(duì)補(bǔ)充說：“盡管人類了解因果關(guān)系，但尚未在AI中建模。” “這個(gè)問題已經(jīng)在AI中研究了很長(zhǎng)時(shí)間，但是直到最近才提出了定義“像人類一樣思考”的AI的首次嘗試。”

2.可能導(dǎo)致誤診的原因，根據(jù)作者共享的數(shù)據(jù)，美國(guó)每年有超過1200萬人被誤診，診斷錯(cuò)誤率在5%到15%之間。認(rèn)知偏差是一個(gè)常見的原因，多年來，研究人員花了相當(dāng)長(zhǎng)的時(shí)間仔細(xì)研究。然而，人工智能模型所犯的錯(cuò)誤通常來自于與如何訓(xùn)練它們有關(guān)的問題。例如，也許數(shù)據(jù)不符合標(biāo)準(zhǔn)，或者實(shí)際的實(shí)驗(yàn)設(shè)計(jì)得不好。

3.醫(yī)生可以通過有限的數(shù)據(jù)學(xué)到很多，醫(yī)生可以用“很少的數(shù)據(jù)”進(jìn)行深入研究，努力做出正確的診斷并盡可能提供最好的病人護(hù)理。然而，如果沒有大量的數(shù)據(jù)集，人工智能模型就一文不值，而這些數(shù)據(jù)集需要花費(fèi)時(shí)間、精力和金錢來整合。

作者寫道：“大多數(shù)人工智能系統(tǒng)不模擬直覺，因此需要大量數(shù)據(jù)來做出相關(guān)診斷。”。“這就是為什么人工智能目前最有效的情況下，所有的數(shù)據(jù)都要立即解決的問題，如在醫(yī)學(xué)成像。人工智能也需要數(shù)據(jù)轉(zhuǎn)換，但在人工智能中，這是一個(gè)更加復(fù)雜和耗時(shí)的過程。”

總的來說，Pelaccia等人。綜上所述，人工智能的發(fā)展仍有大量的工作要做。他們寫道，醫(yī)療數(shù)據(jù)的質(zhì)量和可訪問性必須得到提高，醫(yī)生們將需要完全接受這些不斷發(fā)展的技術(shù)，而不是抗拒變化。然而，隨著時(shí)間的推移，人工智能有可能“成為醫(yī)療實(shí)踐的常規(guī)工具”
? ? ? （責(zé)任編輯：fqj）