史上最全的AI vs 医生案例汇总：AI五胜三平二负绝对领先

IEEE Spectrum公布的“记分牌”近日有了更新，AI 正在医疗领域对医生发起挑战，目前AI仍然绝对领先。

AI胜

1、心脏病——AI比传统方法多预测了355例患者

• 评比规则：预测10年内哪些患者有心脏病发作或中风的风险

• 机器学习数据：自2005年-2015年，共378256名患者医疗记录，包括个人信息、医疗条件、处方药、就诊记录、实验室结果等数据；

• 机器学习方法：多种机器学习模型，训练集75%数据，测试集25%数据；

• 评比标准：1.0分表示100%准确度

• 评比结果：标准方法得分0.728。机器学习得分0.745-0.764（多种机器学习模型，神经网络模型得分最高）。在7404例实际发生心脏病或中风的病例中正确预测4998例，比标准方法多355例。

2、自闭症——AI的预测准确率比传统高出近30%

• 评比规则：预测24个月内6个月大的儿童患自闭症的风险

• 机器学习数据：106名兄弟姐妹患有自闭症诊断的婴儿和42名无家族自闭症史的婴儿，扫描每个婴儿在6、12、24个月时的大脑数据

• 机器学习方法：训练集50%数据，测试集50%数据；将数据分成10份，分别进行机器学习，每次训练集90%数据，测试集10%数据；

• 评比标准：准确度，灵敏度（对阳性结果的识别率）

• 评比结果：行为问卷准确度50%左右。机器学习模型准确度81%、灵敏度88%（两种训练方法结果几乎相同）。

3、阿尔茨海默——AI预测准确率受到质疑

• 评比规则：预测轻度认知功能障碍（MCI）患者发展为阿尔茨海默证的概率

• 机器学习数据：93名轻度认知功能障碍（MCI）患者和101名正常人，从每位参与者大脑中90个区域获取的130 次fMRI数据；

• 机器学习方法：深度学习，配上一个特殊的功能磁共振成像数据集（比传统机器学习方法提高20%准确率）；

• 评比标准：准确率

• 评比结果：专家预测准确率65%左右。深度学习方法接近90%准确率（但是此结果遭到了质疑，某认知计算专家审阅了该研究报告后认为80%-90%的准确率是不可能的）。

4、手术-缝合——约60％的试验由机器人完全自主完成工作

• 评比规则：肠缝合手术，将被切割的肠段缝合在一起

• 机器学习方法：STAR，通过近红外荧光（NIRF）摄像机追踪放置在肠组织中的NIRF标签，以及3D摄像机记录整个外科手术图像，根据这些图像数据，机器人自己制定缝合计划，并随着任务的进行自动调整；

• 评比标准：缝合线是否紧密、是否有规律的隔开；

• 评比结果：相比经验丰富的人类外科医生，机器人缝合的针脚更加一致、更能防止泄露。约40％的实验，需要研究人员进行干预。约60％的试验，机器人完全自主完成工作。

5、手术-切割——机器人可以精确的切割肿瘤

• 评比规则：猪皮切割任务，切割直线5厘米的线

• 机器学习方法：STAR，通过近红外荧光（NIRF）摄像机追踪事先放置在组织上的微小标记，机器人自己制定切割计划，并随着任务的进行自动调整；

• 评比标准：切割的精确度；

• 评比结果：相比外科医生，机器人的切割长度接近5厘米，与理想的切割线偏离较少，并且导致烧焦的点较少。

在疾病预测和高精度操作方面，AI已经展现出了超越人类医生的潜质。并且在上述的几项比试中发现，机器学习的训练数据集都不大，但是效果已经超越了人类。人类本来就不擅长做预测这件事，机器学习给我们带来了科学的方法，相信随着医疗数据的不断完善，AI会给医疗带来更多的可能性。

平手

1、脑肿瘤——AI分析基因组治疗计划只要10分钟

• 评比规则：确定脑肿瘤患者的突变基因，寻找成功的药物治疗报告，并给出对患者可行的临床试验方案

• 机器学习数据：来自医学文献、政府临床试验列表以及其他现有数据来源的2300万篇期刊文章，30名脑肿瘤患者的基因组学研究。

• 机器学习方法：IBM Watson

• 评比标准：确定方案的速度，方案的可行性

• 评比结果：速度：临床医生花费了160小时给出建议，AI在10分钟内给出了建议。可行性：临床医生识别了两个基因突变，并建议患者参加针对两种组合药物治疗的临床试验，这样可以提高患者的生存希望。而AI没有组合这两种信息，因此不建议患者参加这个临床试验。

2、眼科疾病——目前AI和医生表现相当

• 评比规则：预测白内障疾病的严重程度，并提出治疗方案

• 机器学习数据：410张先天性白内障图像，476张无病眼图像以及医生诊断的临床数据。

• 机器学习方法：CC-Cruiser，深度学习，训练集886张图像（94%），测试集57张图像（6%）

• 评比标准：识别严重程度的三个指标（晶状体混浊面积、密度和位置）的准确率

• 评比结果：AI在测试集上的表现达到了98.25%的识别准确率，三个严重程度指标的准确率超过92%，治疗建议准确率超过92.86%。另外三位临床医生（一名专家、一名骨干、一名新手）与AI表现相当。

3、皮肤癌——区分脂溢性角化病和黑素瘤还是难题

• 评比规则：确定皮肤病变图像是否是良性的，是否需要进行进一步检测

• 机器学习数据：来自2000多种疾病的近130,000幅皮肤病变图像

• 机器学习方法：在GoogleNet Inception v3架构上构建的深度学习算法

• 评比标准：准确率

• 评比结果：在数百幅皮肤病变图像测试中，21名经过认证的皮肤科医生与AI的表现基本一致。

在复杂疾病的处理上，AI目前的表现和人类医生相当。上述比试中，都需要参与者给出疾病的诊断和治疗方案，这其实是多个决策叠加的结果，这可能需要更多维度的临床数据才能产生突破性的结果。

医生胜

1、一般诊断——AI准确率只有34%

• 评比规则：通过输入病症，判断患者是否患有哮喘和疟疾

• 评比标准：准确率

• 评比结果：将45名患者的症状数据输入到23个症状检测系统中，让234名医生与AI对比，医生正确诊断的准确率72%，AI正确诊断的准确率34%。

2、显微镜计数——AI识别计数血液中的疟原虫需要20分钟

• 评比规则：在显微镜下识别和计数血液中的疟疾寄生虫

• 评比标准：扫描速度

• 评比结果：显微镜扫描每张幻灯片的速度大约与人类显微镜专家相当，每张幻灯片20分钟。

在面对普适性问题和缺少数据训练的情况下，AI的表现不尽如人意。然而理论上显微镜计数疟原虫比试AI应该会有明显优势，实际上是因为在目前感染水平非常低的情况下，10万个红细胞中可能只有一个疟疾寄生虫，也就是说可供机器训练的数据太少了，只能说这个比试选取的领域不太合适。但是这里也反映出一个问题，那就是在处理极少数据量的疾病时，如罕见病，AI目前可能还没有很好的解决方案。

AI vs 医生终归是一个噱头，但是不可否认的是AI已经逐步深入到了我们的生活中，包括医疗领域。虽然很多医生朋友可能不愿意听，不过小无还是认为AI代替医生不是不可能。任何一个行业的改造都是逐步进展的，把医疗过程切割成一个个小的细分环节，医疗影像识别其实就仅仅涉及“读片”这一个环节，STAR机器人也只是在做手术过程中“缝合”这一个动作，未来AI很可能逐步胜任各个环节的工作，就像工业生产的自动化演进过程一样。至少在理论上，这种构想是可行的。

参考资料：

https://spectrum.ieee.org/the-human-os/robotics/artificial-intelligence/aipowered-microscope-counts-malaria-parasites

https://spectrum.ieee.org/the-human-os/biomedical/devices/in-fleshcutting-task-autonomous-robot-surgeon-beats-human-surgeons

https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/ibm-watson-makes-treatment-plan-for-brain-cancer-patient-in-10-minutes-doctors-take-160-hours

https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/ai-predicts-heart-attacks-more-accurately-than-standard-doctor-method

https://spectrum.ieee.org/the-human-os/biomedical/imaging/ai-predicts-autism-from-infant-brain-scans

https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/ophthalmologists-vs-ai-its-a-tie

https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/computer-diagnoses-skin-cancers

https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/doc-1-apps-0

https://spectrum.ieee.org/the-human-os/biomedical/diagnostics/can-deep-learning-help-clinicians-predict-alzheimers-disease

https://spectrum.ieee.org/the-human-os/robotics/medical-robots/autonomous-robot-surgeon-bests-human-surgeons-in-world-first