醫療人工智能（AI）最受“吹捧”的承諾之一，就是它們能夠幫助人類臨床醫生更精確地解讀X光和CT掃描等圖像，從而作出更準確的診斷報告，增強影像科醫生的表現。

但實際情況確實如此嗎？

美國哈佛大學醫學院、麻省理工學院和斯坦福大學的合作研究表明，使用AI工具進行圖像解讀的效果，似乎因臨床醫生而異。

換句話說，有益還是無用，現階段還是人類說了算。因為研究結果表明，個體臨床醫生的差異，會以AI專家們尚未完全理解的關鍵方式影響著人與機器之間的互動。該分析近日發表在《自然·醫學》雜志上。

考慮醫生個人因素

研究表明，在某些情況下，AI的使用可能會干擾放射科醫生的表現，并影響他們解釋的準確性。

雖然之前的研究表明，AI助手確實可以提高醫生的診斷表現，但這些研究將醫生視為一個整體，而沒有考慮不同醫生之間的差異。在臨床上，每一位醫生的判斷，對患者來說都是100%的。

相比之下，這項新研究著眼于臨床醫生的個人因素——專業領域、實踐年限、之前使用AI工具的經驗，并分析這些因素如何在人機協作中發揮作用。

研究人員分析了AI如何影響140名放射科醫生在15項X射線診斷任務中的表現，即醫生需要可靠地發現圖像上的明顯特征并作出準確診斷。該分析涉及324名罹患15種病癥的患者病例。

為了確定AI如何影響醫生發現和正確識別問題的能力，研究人員使用先進的計算方法來獲取使用AI和不使用AI時的表現變化。

結果顯示，AI輔助的效果在放射科醫生之間不一致且各不相同，一些放射科醫生的表現因AI而提高，而另一些醫生的表現則“惡化”。

英國皇家醫學院布拉瓦尼克研究所生物醫學信息學助理教授帕蘭納?！だ湛茽柎_認了研究團隊這一發現，并表示“我們不應該將醫生視為一個統一的群體，只考慮AI對其表現的‘平均’影響”。

不過，這一發現并不意味著應該阻止醫生和診所采用AI。相反，結果表明需要更好地了解人類和AI如何互動，并設計精心校準的方法來提高而不是損害人類的表現。

AI“助手”尚難預測

鑒于影像科被認為是能得到AI最大助力的臨床醫學領域，本次研究結果頗具代表意義。

此次發現中值得注意的是，在放射科，AI以令人驚訝的方式產生著影響人類醫生的表現。

例如，與研究人員預期相反，放射科醫生有多少年的經驗、他們是否專門從事胸部放射科，以及他們之前是否使用過AI設備等因素，并不能可靠地預測AI工具對他們工作表現的影響。

另一項挑戰普遍觀點的發現是：基線表現不佳的臨床醫生，并不能持續穩定地從AI中得到幫助。總體而言，無論有或沒有AI，基線表現較低的放射科醫生的表現還是較低。對于基線表現較好的放射科醫生來說也是如此——無論有沒有AI，他們的總體表現始終良好。

但可以肯定的是，更準確的AI提高了放射科醫生的表現，而水平一般的AI則會降低人類臨床醫生的診斷準確性。

這一發現的重要意義也在于：在臨床部署之前，必須測試和驗證AI工具的性能，以確保劣質AI不會干擾人類臨床醫生的判斷，從而延誤患者病情。

影響臨床醫學未來

臨床醫生擁有不同水平的專業知識、經驗和決策風格，因此確保AI能反映這種多樣性，對于有針對性地實施治療至關重要。個體因素及變化，應成為確保AI進步的關鍵，而不是干擾并最終影響診斷的因素。

有意思的是，這一發現并沒有解釋AI為何會對人類臨床醫生的表現產生不同的影響，但隨著AI對臨床醫學的影響越來越深遠，理解其中原因就顯得至關重要。關于這一點，AI專家依然在努力。

研究團隊補充說，下一步，放射科醫生與AI的交互，應該在模擬現實場景的實驗環境中展開測試，測試結果需要反映實際患者群體的情況。而除了提高AI工具的準確性之外，培訓放射科醫生去及時檢測不準確的AI、審查并質疑AI工具的診斷，也很重要。

換言之，在AI幫你之前，你需要先提高自身。