在全球范圍內，醫(yī)院人手短缺、醫(yī)生工作過度，都是普遍存在的情況，但是很快這一現(xiàn)象就會因機器學習的大規(guī)模應用而得到改善。

實踐證明，一種訓練醫(yī)學人工智能（AI）系統(tǒng)的新方法在診斷疾病方面，比以前的工作表現(xiàn)得更加精確。

近日，由倫敦大學學院（University College London）和英國醫(yī)療服務提供商巴比倫健康公司（Babylon Health）的研究人員開發(fā)的人工智能系統(tǒng)研究成果，刊登在《自然》子刊 Nature Communications 上。

傳統(tǒng)的人工智能系統(tǒng)根據(jù)患者出現(xiàn)的癥狀來識別最可能出現(xiàn)的疾病，而與傳統(tǒng)的人工智能系統(tǒng)不同，因果人工智能（causive machine learning）系統(tǒng)的判斷方式更加接近醫(yī)生診斷病癥的方式：通過使用反事實問題（counterfactual questions）的方法來縮小可能出現(xiàn)的疾病范圍。

這種人工智能系統(tǒng)可以幫助醫(yī)生進行診斷，尤其是對于復雜病例來講。并比現(xiàn)有的人工智能系統(tǒng)更加精確，甚至在一個較小規(guī)模的對照試驗中的表現(xiàn)也優(yōu)于現(xiàn)實生活中的醫(yī)生。

理解因果關系的人工智能

在醫(yī)學上，相關性和因果關系之間的差異很重要。與醫(yī)生診斷不同，現(xiàn)有的癥狀檢查僅根據(jù)相關性提供建議，而不是根據(jù)因果關系來的。
舉例來講，病人可能因為呼吸急促而到醫(yī)院就診�；�于相關性的人工智能可能會將呼吸急促與超重（overweight）聯(lián)系在一起，進一步把超重與患有 2 型糖尿病聯(lián)系起來，并建議使用胰島素。

但基于因果關系的人工智能系統(tǒng)可能會把重點放在呼吸急促和哮喘之間的聯(lián)系上，從而探索其他治療方法。

這種被稱為因果機器學習的新人工智能方法在網(wǎng)絡中獲得越來越多的關注，它可以產生一種“想象”，當患者的疾病與原有模版中的疾病不同時，人工智能可能對此癥狀進行自動聯(lián)想，從而做出正確的診斷。

在 Nature Communications 上發(fā)表的經(jīng)過同行評審的研究，是研究人員第一次使用因果推理的方式進行臨床試驗，并且研究表明，將相關性與因果關系分離開來，人工智能系統(tǒng)的準確性明顯提高。

論文作者、倫敦大學學院（University College London）Ciarán Gilligan－Lee 說：“我們著手將因果關系放到人工智能中，這樣我們才能找到患者真正的疾病，并據(jù)此為他們提供幫助。”

對比試驗結果使人振奮

在這項試驗中，一個超過 20 個人的巴比倫全球醫(yī)生團隊共創(chuàng)建了 1671 個真實的醫(yī)療救助病例，這些病例包括 350 多種疾病的典型和非典型癥狀。每個病例都是由一位醫(yī)生撰寫，然后由其他多位醫(yī)生進行驗證，以確保它可以代表一個真實的診斷病例。

另一組 44 名巴比倫全科醫(yī)生分別被分配了至少 50 個書面病例進行評估。醫(yī)生列出了他們認為最有可能的疾�。�每次診斷平均返回 2．58 種潛在疾病）。治療的準確性是由他們在診斷中根據(jù)真實疾病的比例來衡量的。

然后，人工智能系統(tǒng)也進行了相同的測試，并使用了一種基于相關性的舊算法（專門為此研究創(chuàng)建，而不是從最新的產品中獲得）和較新的因果算法。對于每項測試，人工智能只能報告與醫(yī)生相同數(shù)量的答案。

測試結果顯示，醫(yī)生的平均分數(shù)為 71．40％（±3．01％）；較舊的相關算法執(zhí)行的效果與普通醫(yī)生相同，達到 72．52％（±2．97％）；而新的因果算法得分為 77．26％（±2．79％），得分高于 32 位醫(yī)生、與 1 位醫(yī)生分數(shù)相同、僅比 11 位醫(yī)生的得分低。

而且，當涉及非霍奇金淋巴瘤等罕見疾病的時候，新的人工智能系統(tǒng)準確率仍勝過醫(yī)生。對于這些情況，它比舊的人工智能系統(tǒng)大約準確率高 30％。
對于這種情況，巴比倫公司科學家、研究論文主要作者 Jonathan Richens 博士介紹說：“我們采用了一種具有強大算法的人工智能系統(tǒng)，賦予它想象不同現(xiàn)實的能力，并考慮如果是另一種疾病會不會出現(xiàn)這種癥狀。在這些書面病例測試中，人工智能系統(tǒng)可以準確檢測患者產生疾病的潛在原因，并獲得比 70％ 醫(yī)生都高的評分�！�

巴比倫首席執(zhí)行官兼創(chuàng)始人 Ali Parsa 博士表示：“目前，世界上一半的人幾乎都無法獲得醫(yī)療保健服務，因此，我們需要做得更好。而人工智能系統(tǒng)在測試案例中得到的結果令人振奮�！�

他繼續(xù)補充道：“這不應被當作機器取代醫(yī)生而聳人聽聞，因為真正鼓舞人心的是，我們終于得到了能夠提高現(xiàn)有醫(yī)療系統(tǒng)的覆蓋范圍和生產力的工具。人工智能系統(tǒng)將是一個重要的工具，幫助我們結束醫(yī)療保健資源分配不均的不公正現(xiàn)象，并使地球上的每個人都能更容易負擔得起。”

人工智能診斷廣受好評

巴比倫醫(yī)學部副主任兼全科醫(yī)生 Tejal Patel 博士說：“我很高興有一天，這種 AI 可以幫助我和其他醫(yī)生減少誤診，并騰出時間幫助我們專注于最需要護理的患者身上。我期待這類工具成為標準工具，提高我們現(xiàn)有的工作水平�！�

巴比倫首席科學家 Saurabh Johri 博士補充道：“有趣的是，我們發(fā)現(xiàn)人工智能和醫(yī)生相輔相成，在較困難的情況下，人工智能的得分比醫(yī)生更高，反之亦然。此外，該算法對更容易誤診、更嚴重的罕見疾病尤其有效�！�

前巴比倫公司成員，UCL 名譽講師 Ciaran Lee 博士說：“因果機器學習方法使我們能夠提出更豐富、更自然的醫(yī)學問題。這種方法具有巨大的潛力來改善當前的所有其他癥狀檢查程序，但是它也可以適用于醫(yī)療保健和其他領域的許多其他問題，這就是為什么因果人工智能如此引人注目，因為它具有普遍性。”

然而，Gilligan Lee 也認為，醫(yī)生可能更擅長于發(fā)現(xiàn)更常見的問題。他計劃為該系統(tǒng)尋求監(jiān)管部門的批準和臨床驗證，目的是將其放入一個應用程序中，患者可以從中獲取有關癥狀的信息和治療的建議。

英國伯明翰國民健康保險基金會信托基金會（University Hospitals Birmingham NHS Foundation Trust）的 Xiaoxuan Liu 表示：“他們在很大程度上描述了一種新的解決問題的技術途徑。論文中的方法論非常好，而且這項技術確實顯示出一些希望�！�

Liu 認為，該系統(tǒng)在罕見病診斷方面的表現(xiàn)優(yōu)于醫(yī)生這一事實令人振奮，盡管她警告說，該系統(tǒng)仍處于早期階段，病例數(shù)量相對較少�！拔覀冃枰�看看它現(xiàn)實世界的病例中是如何起作用的，在這些病例中，病史并不是十分清楚的，有時可能是多種疾病相互作用的結果，這些病例對于該系統(tǒng)來講將是一項挑戰(zhàn)�！�

總的來說，這項技術為醫(yī)生與人工智能之間的未來合作鋪平了道路，這將加快醫(yī)生的診斷速度，并進一步提高診斷的準確性，為臨床醫(yī)生騰出時間來改善患者的狀況，并提升患者的體驗。此外，它有可能擴大臨床醫(yī)生的工作，并繼續(xù)推動為患者提供更好的醫(yī)療保健系統(tǒng)。
排版：趙辰霞
編審：王新凱