免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

1． “就是一坨屎”？

據美國媒體STAT爆料，IBM內部PPT顯示，Watson其實存在嚴重的技術問題。IBM的醫療專家和客戶都確認了多起不安全和不正確的治療建議。

Watson的技術沒有達到預期，引起了世界各地醫生的抱怨。不少醫生表示Watson并不適用于自己國家的患者。

有部分醫生認為Watson其實并沒有多大用處，醫院購入Watson是處于營銷的目的。甚至有一位醫生直言不諱地告訴IBM，“這產品只是一坨屎，大多時間沒法用。”

曾經有貴婦嘲諷法拉第他發明的“電磁感應裝置”有什么用，法拉第回答“沒過多久就能靠它收稅了”，此后電力是何等程度改變了世界，相信每個人都明白。

誠然，現階段的醫療AI算不上十分智能，更不能完全代替醫生。但是我們要看到AI的優點，比如人類的大腦是脆弱的，而機器卻能無休無止地進行高強度計算。

站在發展的角度去考量AI醫療，這項新生的事物能做的，也許會完全超出人們的想象。

2． 疑似過度宣傳？

自從AlphaGo戰勝人類棋手的新聞以來，AI的話題一直是媒體的寵兒。這個過熱的話題也許賦予了大眾對現階段的人工智能過高的期待。

所以比如當Watson大幅裁員五成到六成的時候，比如中山大學眼科中心測試發現AI醫生在真實臨床門診對白內障的診斷正確率只有87．4％，遠低于試驗階段的98．87％的時候，大眾會不禁質疑——醫療AI是不是宣告失敗了？

其實這只是事物在螺旋上升過程中經常要碰見的狀況，其問題在于媒體的過度宣傳，讓大眾對事物無法產生一個客觀的認知。大眾對技術產生過高的想象，將技術神化、將困難簡單化。

醫療AI有自己的螺旋上升周期，大眾應該允許失敗，媒體對該議題的關注也該回歸理性。

03 遺留問題

新生事物的誕生總是伴隨著陣痛。醫療AI需要克服自身存在的缺陷。

同時，新技術的誕生往往會遭受舊秩序的困擾，醫療AI還需要面臨何如從舊秩序中突圍的難題。

1． 法律責任

在試錯代價動輒就是生命的醫療領域，AI首當其沖要面對的就是法律問題。

2011年，在美國麻省的一家醫院，一位暈倒的老人被救護車送進了急救病房。他被立即安插上AI體征監控設備。如果他的生命體征出現危險，設備就會發出警告，召喚護士。

然而，第二天，這個老人卻死在了病床上。

死之前監控設備的紅燈閃了一夜，但是被值班護士一遍一遍按掉。

護士的疏于職守自然難辭其咎，但是從系統的角度來看，有一個問題大家都無法回避：許多醫院的AI監控設備，很多時候都只是誤報。

患者的死亡，責任到底該由誰承擔，AI是否能為誤診負起責任，這是一個需要思考的問題。

2．數據孤島

就像汽車需要汽油才能行駛，數據是AI能運行起來的基礎。AI通過“吃進”海量的醫療數據，來增加自己的“經驗”，從而讓自己變得更“智能”。

然而在中國，醫療數據看似很豐富，而事實上可用性并不高。

比如醫院之間的數據互通就做得不好，如果一個病人在不同醫院就診，那么取得該病人完整的歷史數據就變得十分困難。

而且不同醫院之間，由于使用的硬件儀器不同，導致數據格式各異，難以標準化。各個醫院之間的數據，就像汪洋上的一個個孤島，彼此獨立，無法連成一片，無法互通有無。

許多業界專家呼吁，將各個醫院數據的私有格式轉化為標準格式，讓醫療數據能夠通用。但是響應者寥寥。

即使AI能獲得高質量的醫療數據，它還有無法回避的棘手問題：患者的數據會被AI公司泄露嗎？畢竟應該沒有一個人會希望自己的隱私被泄露。

3． 落地艱難

除數據問題外，AI在醫療行業的落地還存在模式和制度的問題

比如美國特拉雅諾娃實驗室開發了一套結合影像和AI的心臟造影方案，構建出整個3D全息心臟模型。它能夠模擬心臟動態，利用它，醫生可以準確地找出患者病灶。

然而這項技術真的要從實驗室走向醫院，前景并不樂觀。

其最大的挑戰來自于美國食品藥監局（FDA）的監管和審查。任何一項技術想要投入臨床應用，都免不了和FDA進行一場曠日持久的拉鋸戰。如果無法將研究成果轉化為審批標準，那么無論產出再多研究成果都是無用功。

04總結

盡管醫療AI還沒有大規模落地，從實驗室到醫院還有很長的一段路要走，而且在現階段，醫療AI無法像人類醫生那樣做診斷，不能取代人類醫生。

但是AI醫療是很好的工具，它的出現切實地提高了醫生的診斷效率，提升了醫療質量，減少了誤診的可能性。

在科學急速發展的今天，我們需要更高水平、更科學的技術進入醫療領域，而AI或許是最好的、也是時代最合適的技術。未來，AI將在醫療領域有著舉足輕重的作用。