打開(kāi)手機(jī)掃描二維碼
即可在手機(jī)端查看
在這篇文章中，我們將帶您了解AI在醫(yī)療保健中的三大時(shí)代，從AI 1.0到AI 3.0，看它是如何一步步改變我們的醫(yī)療體驗(yàn)，以及為未來(lái)的醫(yī)療保健帶來(lái)哪些革命性的變化。
人工智能（AI）現(xiàn)在備受關(guān)注，無(wú)論是從學(xué)術(shù)界、媒體報(bào)道還是大眾興趣的角度來(lái)看，都達(dá)到了歷史上的巔峰。醫(yī)療領(lǐng)導(dǎo)者們正面臨一個(gè)重要問(wèn)題，即在何時(shí)、何地以及如何應(yīng)用人工智能，以及如何理解它的風(fēng)險(xiǎn)、問(wèn)題和可能性。
在這個(gè)科技變革的時(shí)刻，我們需要一個(gè)簡(jiǎn)單易懂的框架來(lái)幫助決策者理解不同種類(lèi)人工智能的優(yōu)點(diǎn)、缺點(diǎn)和挑戰(zhàn)。
就像我們不能把細(xì)菌和病毒感染都?xì)w為一類(lèi)來(lái)制定治療計(jì)劃一樣，將不同種類(lèi)的人工智能合并在一起可能會(huì)導(dǎo)致錯(cuò)誤的決策。這個(gè)三個(gè)時(shí)代的人工智能框架能夠幫助我們更好地應(yīng)對(duì)這一變革時(shí)刻的挑戰(zhàn)。
過(guò)去50多年，人工智能研究主要關(guān)注將人類(lèi)知識(shí)編碼為機(jī)器中的規(guī)則，如if-then規(guī)則和決策樹(shù)，這種符號(hào)式人工智能在某些領(lǐng)域如國(guó)際象棋和醫(yī)療保健有所成就。
如IBM的Deep Blue在1997年擊敗了國(guó)際象棋世界冠軍。在醫(yī)療保健領(lǐng)域，如INTERNALIST-I等工具旨在表示關(guān)于疾病的專(zhuān)家知識(shí)以幫助解決復(fù)雜病例
然而，它存在邏輯錯(cuò)誤、偏見(jiàn)和根本能力限制等問(wèn)題。因此，研究開(kāi)始轉(zhuǎn)向概率建模，如傳統(tǒng)回歸和貝葉斯網(wǎng)絡(luò)，這些模型能更優(yōu)雅地處理現(xiàn)實(shí)世界情況，但在擴(kuò)展和處理復(fù)雜數(shù)據(jù)方面有限。
隨著數(shù)據(jù)集的增長(zhǎng)和計(jì)算機(jī)運(yùn)算速度的提升，多層神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)開(kāi)始嶄露頭角，AI 2.0 時(shí)代開(kāi)始了。
深度學(xué)習(xí)已經(jīng)深刻改變了我們的日常生活和醫(yī)療保健領(lǐng)域。通過(guò)卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)和詞向量等技術(shù)的發(fā)現(xiàn)，計(jì)算機(jī)現(xiàn)在能夠“看”和“理解”語(yǔ)言，從而實(shí)現(xiàn)了圖像分類(lèi)、語(yǔ)音識(shí)別、語(yǔ)言翻譯等功能的廣泛應(yīng)用。
在醫(yī)療保健領(lǐng)域，深度學(xué)習(xí)也取得了突破，包括糖尿病視網(wǎng)膜病變的識(shí)別、癌癥篩查和預(yù)測(cè)等。然而，這些模型雖然具有強(qiáng)大的能力，但也存在風(fēng)險(xiǎn)。
基于深度學(xué)習(xí)的模型具有出色的能力，但也存在重要的風(fēng)險(xiǎn)。當(dāng)實(shí)時(shí)數(shù)據(jù)與訓(xùn)練模型所用的數(shù)據(jù)不同時(shí)，模型可能會(huì)失敗。例如，如果模型僅經(jīng)過(guò)“貓與狗”的訓(xùn)練，但給出了飛機(jī)的圖片，它將無(wú)法得出好的結(jié)果。這種分布外問(wèn)題的更微妙版本是醫(yī)療保健中的關(guān)鍵安全問(wèn)題。
還可能出現(xiàn)復(fù)雜的偏見(jiàn)，這與基礎(chǔ)數(shù)據(jù)的包容性有關(guān)，也與基于種族的診斷和治療選擇的不平等和不公平、算法設(shè)計(jì)選擇以及其他問(wèn)題有關(guān)
AI 2.0 存在一個(gè)關(guān)鍵問(wèn)題，即所謂的災(zāi)難性遺忘5：在處理長(zhǎng)文本序列時(shí)，它很難記住序列中較早出現(xiàn)的內(nèi)容。2017 年出現(xiàn)的transformer 架構(gòu)有助于解決這一問(wèn)題，使模型能夠關(guān)注長(zhǎng)文本段落。
在接下來(lái)的幾年中，使用transformer創(chuàng)建了基礎(chǔ)模型和大型語(yǔ)言模型。2022 年和 2023 年的進(jìn)步速度大大加快，標(biāo)志著第三個(gè)時(shí)代的到來(lái)。
AI 2.0 是針對(duì)特定任務(wù)的。它一次只做一件事。它生成新單詞、圖像或其他內(nèi)容的能力有限。
AI 3.0 可以執(zhí)行許多不同的任務(wù)，而無(wú)需重新訓(xùn)練。例如，一個(gè)簡(jiǎn)單的文本指令就可以改變模型的行為。像“為專(zhuān)業(yè)顧問(wèn)寫(xiě)這封便條”和“為患者母親寫(xiě)這封便條”這樣的提示將產(chǎn)生明顯不同的內(nèi)容。這些模型的能力也有了顯著的提高：解釋真正復(fù)雜的問(wèn)題；接受和生成文本、圖像和聲音；創(chuàng)建與人類(lèi)編寫(xiě)的文本幾乎無(wú)法區(qū)分的響應(yīng)；進(jìn)行長(zhǎng)時(shí)間的對(duì)話。
它們已經(jīng)對(duì)我們的日常生活產(chǎn)生了影響，包括寫(xiě)作助手、圖像生成器、軟件編碼助手和聊天機(jī)器人?，F(xiàn)在也存在專(zhuān)門(mén)針對(duì)醫(yī)療保健領(lǐng)域的大型語(yǔ)言模型。例如，谷歌開(kāi)發(fā)的 Med-PaLM 是經(jīng)過(guò)醫(yī)學(xué)調(diào)整的基礎(chǔ)模型，在醫(yī)學(xué)執(zhí)業(yè)資格考試風(fēng)格的問(wèn)題上達(dá)到了專(zhuān)家級(jí)的表現(xiàn)。
AI 3.0 中的一類(lèi)新風(fēng)險(xiǎn)是可能出現(xiàn)幻覺(jué)，生成一些假東西（胡說(shuō)八道）。
基礎(chǔ)模型和生成式人工智能代表了人工智能能力的一場(chǎng)重大革命，為改善醫(yī)療保健提供了巨大的潛力。如今，醫(yī)療保健領(lǐng)導(dǎo)者正在就人工智能做出決策。雖然任何啟發(fā)式方法都會(huì)忽略細(xì)節(jié)并失去細(xì)微差別，但 AI 1.0、2.0 和 3.0 的框架可能對(duì)決策者有所幫助，因?yàn)槊總€(gè)時(shí)代都有著根本不同的能力和風(fēng)險(xiǎn)。
以上內(nèi)容參考自JAMA論文，部分圖源網(wǎng)絡(luò)，非文章提供: Howell MD, Corrado GS, DeSalvo KB. Three Epochs of Artificial Intelligence in Health Care. JAMA. 2024;331(3):242–244. doi:10.1001/jama.2023.25057
Copyright ? 2022 上?？评讜?huì)展服務(wù)有限公司 旗下「智慧醫(yī)療網(wǎng)」版權(quán)所有 ICP備案號(hào)：滬ICP備17004559號(hào)-5
