IT思维

公众号/机器之能

编译 | 张仲锦

来源 | The Guardian

机器学习可以应用于患者扫描分析，这通常是由医院医务人员完成的。

英国最大的医院之一 UCLH 公布了一项影响广泛的计划：使用人工智能来完成传统上由医生和护士执行的任务，涵盖从诊断 CT 扫描影像上的癌症到决定哪一个 A＆E 患者最先就诊。

这项伦敦大学学院附属医院（UCLH）和艾伦图灵研究院之间的三年合作计划旨在将机器学习革命性的功效以前所未有的规模带给 NHS 患者。

伦敦大学学院 NHS 基金会研究部主任 Bryan Williams 教授说，这项计划可能会对患者的治疗效果产生重大影响，这个改变与亚马逊和谷歌这样的公司给消费者带来的改变一样。

「这将是一个游戏规则改变者，」他说。「你可以打电话预订机票，决定看什么电影，或者点披萨……这些全都是关于 AI 的。」「但是在英国国民医疗服务体系（NHS）上，我们还不够完善。我们现在还在手写信件，这很落伍，很不寻常。」

UCLH 给这次合作投资了一笔「数量可观」但是未披露具体金额的资金，它们都坚信机器学习算法可以提供诊断疾病的新方法，还能识别具有患病风险的人和分配医疗资源。从理论上讲，AI 可以优化各个病房里医生和护士的配置，就像 Uber 司机某时某刻会出现在订单需求量最高的地方一样。但这个计划也将引发人们对隐私、网络安全和医疗专业人士转岗的担忧。

该计划的第一个项目将致力于改良医院的突发事故和急诊部门，其实很多医院都未能达到政府的候诊时间要求。

UCLH 首席执行官 Prof Marcel Levi 说：「虽然我们今年的业绩没有达到四个小时的候诊时间要求，但这并不是说我们的员工不爱岗敬业。」「这是整个医务链条中急诊病人流通环节出错的反映。」

根据今年 3 月英国 A&E 病房的数据，只有 76.4% 需要紧急护理的患者在四小时之内得到治疗，这是自 2010 年有记录以来的最低比例。

通过利用从数千个报告中获取的数据，机器学习算法可以判断比如腹部疼痛患者是否可能患有更严重的疾病，比如肠道穿孔或组织感染等疾病，并且还能快速追踪患者，以防他们的病情恶化。

Levi 说：「机器永远不会取代医生，但数据、专业知识和技术的使用可以从根本上改变我们管理服务的方式——使它变得更好。」

该计划的另一个项目也正在进行中，目的是识别那些可能不参加会诊的病人。医院的神经学顾问 Parashkev Nachev 使用了包括年龄、地址和天气状况等因素来预测患者是否会参加会诊和 MRI 扫描，准确率能达到 85%。

下一阶段，该部门会进行试验性干预，例如发送提示性文本消息和分配会诊时间，以最大限度地提高会诊出席率。

威廉姆斯说：「我们会测试一下它进展得有多好。」「公司总是用这些东西来预测人类的行为。」

还有一些其他的项目，包括将机器学习应用于 25000 名吸烟者的 CT 扫描分析（这些吸烟者是为了做研究项目而招募来的），和应用于宫颈涂片检查的自动化。威廉姆斯说：「现在是人整天看这些东西，看它是正常还是不正常。」

员工是不是不愿意把某些职责交给电脑，甚至听从它们的指令？艾伦-图灵研究所卫生部主管 Chris Holmes 教授说，希望医生和护士能够有更多自由的空间，并把更多时间花在病人身上。他说：「我们想拿到那种纯粹是由信息驱动的设备，让人类专家把时间花在他们最擅长的事情上。」

当运用新的决策工具时，医院需要防范「习得性无助」：人们依赖于机器指令而放弃常识。根据 Holmes 的说法，即使一个算法在 99.9% 的时间里都是正确的，「智者千虑必有一失」。「这时你就会想量化风险，」他补充到。

UCLH 还想规避隐私问题担忧，这些担忧使先前的合作蒙上了阴影，其中就包括伦敦皇家自由医院和谷歌 DeepMind 的一次合作，这次合作中医院无意中泄露了 160 万名可识别身份患者的健康记录。据 Holmes 说，根据新出台的合作规定，算法将在医院自己的服务器上进行训练，以避免任何此类违规行为，私人公司则不包含在规定内。

他说：「我们非常清楚患者对数据监管的敏感度。我们开发的任何算法都仅供内部使用。」

要集成先进的 AI 软件与医院 IT 系统还存在一些日常的现实问题，虽然这些问题被批评为不够灵活和不合时宜。人们担心将决策权移交给机器算法是否会让医院更容易受到网络攻击。

医院 IT 系统在去年被一个全球性勒索软件攻击之后，已经停滞不前有一年多的时间了，这次攻击导致了大量手术被取消，救护车迷路和病人记录无法使用。

威廉姆斯承认，适应 NHS 的 IT 系统将是一个挑战，他补充说：「但是如果我们适应了，还证明了我们极大地提高了效率，那 NHS 也会来适应我们。」