当他的 31 岁患者因手部疼痛而导致身体残疾，来到华盛顿特区的玛丽中心就诊时，尚塔努·南迪 (Shantanu Nundy) 识别出了类风湿性关节炎的症状。然而，南迪没有立即开始治疗，而是决定首先使用一款智能手机应用程序来仔细检查他的诊断，该程序通过征求全球医生的建议来帮助处理疑难病例。一天之内，南迪的预感得到了证实。该应用程序使用人工智能（AI）来分析和筛选来自几位医学专家的建议，最终形成最有可能诊断的总体排名。该应用程序由人类诊断项目（Human Dx）创建，该组织由南迪领导。该应用程序是人们日益关注人类与人工智能合作以改善医疗保健的最新例子之一。
Human Dx 倡导使用机器学习——一种流行的人工智能技术，它通过自动学习数据中的分类模式来众包和建立来自 70 个国家数千名医生的最佳医学知识。几家主要医学研究中心的医生对该应用程序表现出了早期的兴趣。Human Dx 周四宣布与包括美国医学会和美国医学院协会在内的顶级医学专业组织建立新的合作伙伴关系，以推广和扩大 Human Dx 的系统。其目标是为全球数百万人的全科医生提供及时且负担得起的专家建议，特别是为美国各地所谓的 “安全网”医院和诊所，无论患者是否有能力支付费用，他们都能获得医疗服务。
“我们需要找到能够扩大现有医生为更多患者提供服务的能力，且成本相同或更低的解决方案，”Human Dx 的创始人兼主席 杰伊·科马内尼（Jay Komarneni）说。大约 3000 万没有保险的美国人依赖安全网机构，这些机构通常很少或根本没有机会接触到医学专家。这些患者通常面临严峻的选择：要么自费进行昂贵的面对面咨询，要么等待几个月才能由在公立医院工作的少数专家接诊，这些医院接受政府资助以帮助支付患者的医疗费用，科马内尼说。与此同时，研究表明，在 25% 到 30% (pdf) 这种昂贵的专家就诊可以通过医生之间的在线咨询进行，同时可以为患者节省额外的费用或长时间的等待时间。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您将帮助确保关于当今世界发现和塑造我们世界的具有影响力的故事的未来。
科马内尼设想“利用人工智能来增强或扩大医生的能力”来弥合这一“专家差距”。Human Dx 的目标是在五年内为美国所有 1300 家安全网社区健康中心和免费诊所提供服务。科马内尼说，同样的远程咨询服务也可以提供给全球数百万无法获得医学专家的民众。
工作原理
当医生需要帮助诊断或治疗患者时，他们会打开 Human Dx 智能手机应用程序或访问该项目的网页，并输入他们的临床问题以及他们的初步诊断。医生还可以上传与病例相关的图像和测试结果，并添加诸如患者定期服用的任何药物等详细信息。然后，医生会请求帮助，可以向特定的同事或加入 Human Dx 社区的医生网络寻求帮助。在接下来的一天左右，Human Dx 的人工智能程序会将所有回复汇总成一份报告。哈佛医学院的医疗政策和医学副教授、贝斯以色列女执事医疗中心的医生 阿提夫·梅赫罗特拉（Ateev Mehrotra）说，这相当于新的数字化“路边咨询”，医生可能会向朋友或同事询问有关医疗案例的快速意见，而无需进行正式且昂贵的咨询。“直觉上来说，[众包建议]会是更好的建议，”他说，“但究竟好多少，这是一个开放的科学问题。”不过，他补充说，“我认为重要的是要承认医生诊断错误相当普遍。”梅赫罗特拉的一位哈佛同事一直在研究人工智能增强的 Human Dx 系统与个体医学专家的表现对比，但尚未公布结果。
梅赫罗特拉的警示来自他去年和南迪在《JAMA 内科医学》上发表的研究。该研究使用 Human Dx 服务作为一个中立平台来比较人类医生的诊断准确性与患者用于自我诊断的第三方“症状检查器”网站和应用程序。在这种情况下，人类的表现明显优于症状检查器的计算机算法。但即使是医生，在 15% 的情况下也会提供不正确的诊断，这与过去对医生诊断错误的估计相当。
约翰霍普金斯大学的医生和 奥斯勒医学培训项目主任 桑杰·德赛（Sanjay Desai）说，Human Dx 最终可能有助于改善人类医生的医学教育和培训。作为检查该服务能力的第一步，他和他的同事进行了一项研究，初步结果显示该应用程序可以区分医学生和训练有素的医生的诊断能力。德赛希望看到该服务成为一个能够跟踪个体医生临床表现并为改进特定技能提供有针对性建议的系统。这种客观评估可以改进目前由人类医生对他们经验不足的同事进行定性判断的方法。德赛说，悬而未决的问题是，是否可以创建“算法来更细致地了解[个体]医生在临床推理方面的优势和劣势。”
人工智能辅助医疗保健
Human Dx 是在医疗保健领域接受测试的众多人工智能系统之一。IBM Watson Health 部门也许是最引人注目的，该公司在过去几年中声称其人工智能正在协助主要医疗中心和医院完成诸如 基因测序脑肿瘤和 将癌症患者与临床试验匹配等任务。研究表明，人工智能可以帮助预测哪些患者在 10 年内会患上心脏病或中风，甚至可以预测 哪些患者会在五年内死亡。谷歌等科技巨头也加入了初创公司的行列，开发可以通过医学图像诊断癌症的人工智能。尽管如此，医学领域的人工智能仍处于早期阶段，其真正价值仍有待观察。沃森在 纪念斯隆凯特琳癌症中心似乎取得了成功，但在德克萨斯大学 M. D. 安德森癌症中心却遭遇了失败，尽管尚不清楚问题是源于技术本身还是其执行和管理。
根据梅赫罗特拉和德赛的说法，Human Dx 项目在实现广泛采用方面也面临着问题。一个突出的挑战是让足够多的医生自愿贡献时间和免费劳动力，以满足对远程咨询的潜在增长需求。另一个可能的问题是，Human Dx 的人工智能质量控制将如何处理那些始终给出严重不正确诊断的用户。该服务还需要一个庞大的医学专家用户群，以帮助解决那些全科医生可能束手无策的棘手病例。
无论如何，Human Dx 的领导者和帮助验证该平台实用性的医生似乎都认为，人工智能在不久的将来不会接管医疗保健。相反，Human Dx 寻求利用机器学习和人类医生的众包智慧，在医疗保健需求持续增长的同时，最大限度地利用有限的医疗资源。“在现实生活中实践医学的复杂性将需要人类和机器共同解决问题，”科马内尼说，“而不是纯粹的机器学习。”