當他的 31 歲患者因手部疼痛而導致身體殘疾，來到華盛頓特區的瑪麗中心就診時，尚塔努·南迪 (Shantanu Nundy) 識別出了類風溼性關節炎的症狀。然而，南迪沒有立即開始治療，而是決定首先使用一款智慧手機應用程式來仔細檢查他的診斷，該程式透過徵求全球醫生的建議來幫助處理疑難病例。一天之內，南迪的預感得到了證實。該應用程式使用人工智慧（AI）來分析和篩選來自幾位醫學專家的建議，最終形成最有可能診斷的總體排名。該應用程式由人類診斷專案（Human Dx）建立，該組織由南迪領導。該應用程式是人們日益關注人類與人工智慧合作以改善醫療保健的最新例子之一。
Human Dx 倡導使用機器學習——一種流行的人工智慧技術，它透過自動學習資料中的分類模式來眾包和建立來自 70 個國家數千名醫生的最佳醫學知識。幾家主要醫學研究中心的醫生對該應用程式表現出了早期的興趣。Human Dx 週四宣佈與包括美國醫學會和美國醫學院協會在內的頂級醫學專業組織建立新的合作伙伴關係，以推廣和擴大 Human Dx 的系統。其目標是為全球數百萬人的全科醫生提供及時且負擔得起的專家建議，特別是為美國各地所謂的 “安全網”醫院和診所，無論患者是否有能力支付費用，他們都能獲得醫療服務。
“我們需要找到能夠擴大現有醫生為更多患者提供服務的能力，且成本相同或更低的解決方案，”Human Dx 的創始人兼主席 傑伊·科馬內尼（Jay Komarneni）說。大約 3000 萬沒有保險的美國人依賴安全網機構，這些機構通常很少或根本沒有機會接觸到醫學專家。這些患者通常面臨嚴峻的選擇：要麼自費進行昂貴的面對面諮詢，要麼等待幾個月才能由在公立醫院工作的少數專家接診，這些醫院接受政府資助以幫助支付患者的醫療費用，科馬內尼說。與此同時，研究表明，在 25% 到 30% (pdf) 這種昂貴的專家就診可以透過醫生之間的線上諮詢進行，同時可以為患者節省額外的費用或長時間的等待時間。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您將幫助確保關於當今世界發現和塑造我們世界的具有影響力的故事的未來。
科馬內尼設想“利用人工智慧來增強或擴大醫生的能力”來彌合這一“專家差距”。Human Dx 的目標是在五年內為美國所有 1300 家安全網社群健康中心和免費診所提供服務。科馬內尼說，同樣的遠端諮詢服務也可以提供給全球數百萬無法獲得醫學專家的民眾。
工作原理
當醫生需要幫助診斷或治療患者時，他們會開啟 Human Dx 智慧手機應用程式或訪問該專案的網頁，並輸入他們的臨床問題以及他們的初步診斷。醫生還可以上傳與病例相關的影像和測試結果，並新增諸如患者定期服用的任何藥物等詳細資訊。然後，醫生會請求幫助，可以向特定的同事或加入 Human Dx 社群的醫生網路尋求幫助。在接下來的一天左右，Human Dx 的人工智慧程式會將所有回覆彙總成一份報告。哈佛醫學院的醫療政策和醫學副教授、貝斯以色列女執事醫療中心的醫生 阿提夫·梅赫羅特拉（Ateev Mehrotra）說，這相當於新的數字化“路邊諮詢”，醫生可能會向朋友或同事詢問有關醫療案例的快速意見，而無需進行正式且昂貴的諮詢。“直覺上來說，[眾包建議]會是更好的建議，”他說，“但究竟好多少，這是一個開放的科學問題。”不過，他補充說，“我認為重要的是要承認醫生診斷錯誤相當普遍。”梅赫羅特拉的一位哈佛同事一直在研究人工智慧增強的 Human Dx 系統與個體醫學專家的表現對比，但尚未公佈結果。
梅赫羅特拉的警示來自他去年和南迪在《JAMA 內科醫學》上發表的研究。該研究使用 Human Dx 服務作為一箇中立平臺來比較人類醫生的診斷準確性與患者用於自我診斷的第三方“症狀檢查器”網站和應用程式。在這種情況下，人類的表現明顯優於症狀檢查器的計算機演算法。但即使是醫生，在 15% 的情況下也會提供不正確的診斷，這與過去對醫生診斷錯誤的估計相當。
約翰霍普金斯大學的醫生和 奧斯勒醫學培訓專案主任 桑傑·德賽（Sanjay Desai）說，Human Dx 最終可能有助於改善人類醫生的醫學教育和培訓。作為檢查該服務能力的第一步，他和他的同事進行了一項研究，初步結果顯示該應用程式可以區分醫學生和訓練有素的醫生的診斷能力。德賽希望看到該服務成為一個能夠跟蹤個體醫生臨床表現併為改進特定技能提供有針對性建議的系統。這種客觀評估可以改進目前由人類醫生對他們經驗不足的同事進行定性判斷的方法。德賽說，懸而未決的問題是，是否可以建立“演算法來更細緻地瞭解[個體]醫生在臨床推理方面的優勢和劣勢。”
人工智慧輔助醫療保健
Human Dx 是在醫療保健領域接受測試的眾多人工智慧系統之一。IBM Watson Health 部門也許是最引人注目的，該公司在過去幾年中聲稱其人工智慧正在協助主要醫療中心和醫院完成諸如 基因測序腦腫瘤和 將癌症患者與臨床試驗匹配等任務。研究表明，人工智慧可以幫助預測哪些患者在 10 年內會患上心臟病或中風，甚至可以預測 哪些患者會在五年內死亡。谷歌等科技巨頭也加入了初創公司的行列，開發可以透過醫學影像診斷癌症的人工智慧。儘管如此，醫學領域的人工智慧仍處於早期階段，其真正價值仍有待觀察。沃森在 紀念斯隆凱特琳癌症中心似乎取得了成功，但在德克薩斯大學 M. D. 安德森癌症中心卻遭遇了失敗，儘管尚不清楚問題是源於技術本身還是其執行和管理。
根據梅赫羅特拉和德賽的說法，Human Dx 專案在實現廣泛採用方面也面臨著問題。一個突出的挑戰是讓足夠多的醫生自願貢獻時間和免費勞動力，以滿足對遠端諮詢的潛在增長需求。另一個可能的問題是，Human Dx 的人工智慧質量控制將如何處理那些始終給出嚴重不正確診斷的使用者。該服務還需要一個龐大的醫學專家使用者群，以幫助解決那些全科醫生可能束手無策的棘手病例。
無論如何，Human Dx 的領導者和幫助驗證該平臺實用性的醫生似乎都認為，人工智慧在不久的將來不會接管醫療保健。相反，Human Dx 尋求利用機器學習和人類醫生的眾包智慧，在醫療保健需求持續增長的同時，最大限度地利用有限的醫療資源。“在現實生活中實踐醫學的複雜性將需要人類和機器共同解決問題，”科馬內尼說，“而不是純粹的機器學習。”