智能医疗是未来的趋势，却深受偏见的影响，苹果手表也不例外

近年来，人工智能技术与医疗健康领域的融合不断加深，以人工智能医疗发展最为迅速的美国为例，科技巨头和资本巨头都在积极布局智能医疗产业。比如，IBM Watson能够快速筛选癌症患者记录，为医生提供可供选择的治疗方案；谷歌DeepMind与英国国家健康体系（NHS）合作共同开发新技术；微软发布了面向个人的健康管理平台，整合不同的健康及健身设备搜集的数据等。

可以说，智能医疗是未来一个重要发展趋势。但是智能医疗真的靠谱吗？众所周知，在AI训练的过程中，用于训练医疗系统的数据对于确保诊断结果至关重要，因为研究一再表明，人工智能算法是他们学习数据的奴隶。换句话说，如果AI研究员使用的医疗数据集存在偏见，那么将会对人的生死有很大的影响。在这种情况下，AI要成为世界的医生，那么就需要更好的教科书。

文/灰灰

来源/人工智能观察（ID：Aiobservation）

在昨天的苹果秋季新品发布会上，除了iPhone外，新一代Apple Watch也是一大亮点。在这款手表中，最值得注意的是其绘制心电图（KEG）的功能：用户只需打开一个应用程序，把手指放在数字表冠（Digital Crown）上，便可触发EKG。这是科技与医疗最新的结合成果。据悉，目前苹果已经得到了FDA的许可，允许其手表作为医疗设备使用。

实际上，除了苹果等科技巨头外，不少大型制药公司也都在采用人工智能技术进行研发，可以说，医疗保健已经成为了人工智能研究和应用的重点领域。举个例子，谷歌DeepMind的神经网络在诊断50种眼疾方面其准确性已经与人类专家不相上下；而在制药公司方面，大型药企Merck与创企Atomwise达成合作，后者试图将深度学习用于新药开发，以降低高额的研发费用，这也是将人工智能技术应用于医药健康领域的经典案例之一。

根据CB Insights的数据，医疗领域的创业公司自2013年以来已经完成了576亿笔融资交易，总计金额达4.3亿美元，超过了人工智能融资活动中的所有其他行业，可见这一市场的潜力。

不过，对人工智能来说，它也面临着医疗行业独有的技术和可行性的挑战，比如没有标准格式或患者数据的中央存储库，以及在不可读的PDF格式的患者文件上提取信息等，但最主要的还是在于确保数据的准确性以及客观性。

以美国为例，谈AI-as-a-medical-device的兴起

今年4月，FDA批准了一个名为IDx-DR的人工智能软件的应用，该软件可以在不需要专家意见的情况下，对糖尿病视网膜病变的患者进行筛查。这一举动加快了将相关产品推向市场。比如，IDx是近几个月FDA批准用于临床商业应用的众多AI软件产品之一。而Viz.ai也被批准用于分析CT扫描，并就潜在的中风患者做出通知。

目前，FDA工作的重点是明确定义和管理“AI-as-a-medical-device”（软件即医疗设备），特别是考虑到最近人工智能的快速发展。对此，FDA计划将今年1月试行的一个项目“pre-cert”应用于AI，这将使企业能够“对其设备进行微小的改动，而不需要每次都提交”。

苹果公司正在“扰乱”临床试验

尽管努力将健康记录数字化，但机构和软件系统之间如何实现健康信息的共享，仍然是医疗领域面临的一个巨大挑战，尤其是在临床试验中，将正确的试验与正确的患者进行匹配对临床研究团队和患者来说都是一个耗时且极具挑战性的过程。

但苹果公司正在改变医疗领域的信息流动，并为人工智能开辟了新的可能性，特别是围绕临床研究人员如何招募和监控患者。具体而言，自2015年以来，苹果推出了两个开源框架——ResearchKit和CareKit，以帮助临床试验招募患者并远程监控他们的健康状况。该框架允许研究人员和开发人员创建医疗应用程序来监控人们的日常生活。

比如，杜克大学的研究人员开发了一款Autism＆Beyond应用程序，通过iPhone的前置摄像头和面部识别算法来筛选自闭症儿童。同样，近10,000人使用mPower应用程序研究帕金森病患者，他们也同意与研究团队共享自己的数据。

此外，苹果还与Cerner和Epic等流行的EHR供应商合作解决互操作性问题。今年6月，苹果为开发人员推出了Health Records API，用户现在可以选择与第三方应用程序和医学研究人员共享数据，为疾病管理和生活方式监控开辟新的机会。

AI要成为世界的医生，就需要更好的教科书

想象一下，存在这样一种测试人类是否患有老年痴呆的方法：你只需通过说话对一张照片的描述，软件就能分析得出结果，这是一个快速而简单的准确率可达90%的方法，但可能除了你以外，对任何人都不起作用。

其实，这是一个真实存在的案例。总部位于多伦多的创业公司Winterlight Labs正在为老年痴呆症，帕金森氏症以及多发性硬化症等神经系统疾病建立听觉测试。但是，在2016年发表了初步研究后，该团队遇到了障碍：该技术仅适用于部分讲英语的加拿大人。这就意味着，语言障碍成为了Winterlight的最大挑战。

而类似的AI系统，正逐渐走出实验室成为真正帮助做出医疗决策的前沿科技。每个公司基本都采用了相同的模式：收集以前患者的大量数据，并用它们预测新患者会有什么情况发生。在这种情况下，保证数据的准确性、安全性以及客观性对于研究结果来说至关重要。

还有一个值得注意的是，公开供AI研究员使用的医疗数据集中都存在一种偏见，特别是美国，这也并不是什么秘密：医疗数据非常男性化、白人化的，这在现实世界中会产生很严重的影响。2014年的一项研究追踪了20多年的癌症死亡率，结果显示，缺乏不同的研究对象是美国黑人死于癌症的可能性高于美国白人的一个重要原因。

虽然关于AI偏见的讨论会让人感到不舒服，毕竟偏见是隐藏的，也很棘手，但其危险却显而易见。而在智能医疗领域，这些偏见的结果往往意味着有一群人会比另一群人获得更好的医疗保障，不管是以性别或种族为特征，还是语言、肤色甚至是生活方式。

对此，一些研究员正试图收集更多的不同数据进行研究。像位于奥马哈的 Fred and Pamela Buffett Cancer Center，就保留了病人的基因组数据来训练人工智能。而在全球范围内，存在国际癌症基因组联盟（ICGC），旨在收集来自世界各地的癌症患者的基因组标记。

据了解，该项目有来自近20个不同国家的数十种癌症的数据，但存在严重的不平衡：许多国家仅存在一种疾病的数据集。比如，美国有32个项目（人口3.26亿），但印度只有一个（13亿），整个非洲大陆没有（约13亿）。

而意识到问题的存在，积极采取措施进行，对现在智能医疗的发展来说，是迫在眉睫的。就像IBM已经在更新面部识别工具，以便让它更具包容性来减少机器学习中存在的偏见。