在醫療人工智慧(AI)領域雄心勃勃的Google,出師不利。(Shutterstock)

擁有打敗人類圍棋王的AlphaGo的Google,在醫療領域的初次實踐反倒給護士和患者們幫了倒忙。醫療者與病患的口碑極差,讓當初在醫療人工智慧(AI)領域雄心勃勃的Google,出師不利。

2018年年底,Google在泰國啟動的AI篩查糖尿病視網膜病變(以下簡稱糖網)臨床項目終於在最近發佈了研究結果。Google自曝的研究數據顯示,這套AI系統實際「看病」的結果在臨床應用的11家泰國診所間存在高度差異。這也讓參與其中的醫護和患者們備受煎熬。

在篩檢中,21%的圖像因為清晰度問題被系統拒絕識別。隨後,護士不得不浪費時間重新拍攝患者眼底照片,即便這些模糊或者過暗的圖片用肉眼就可以辨別發病跡象。

而想即時拿到診斷的患者也因為等待時間過長抱怨不止。由於網路問題,一家診所的篩檢甚至中斷了兩個小時。一位護士的敘述:「他們從早上6點開始一直等在這兒。而最初的兩個小時中,我們只篩檢了10個患者。」

臨床應用的效果狠狠打了Google的臉。早在2016年,Google就公佈過利用AI篩查糖網的研究成果。經過幾年研究,這套系統已經可以在10分鐘內識別糖網,且準確率超過90%。這套AI糖網篩查系統,是Google Health團隊研究的核心項目之一。

不過由於尚未通過美國FDA批准,這套系統在美國的研究進展仍停留在實驗室階段。直到與泰國衛生部合作,手握CE認證的Google才有了下場實踐的機會。泰國衛生部希望年度內完成對60%的糖尿病人進行糖網篩查。

Google為泰國的11家診所安裝了數據表現傲人的AI系統。按照理想狀態,這無疑將大幅提升糖網篩查的效率,沒成想,這套系統令泰國的護士們叫苦不迭。在泰國11家診所的實際應用中,超過五分之一的圖像被拒絕識別。也就是說,每個護士在診所資源限制下每小時拍攝幾十名患者的眼底,但這些照片往往還要複核。而就算複核,也不一定能成,時間就這麼白白浪費了。

實際上,醫療業內人士對Google醫療AI翻車並不意外。因為在特定的場景下(比如要求嚴苛的實驗室),AI完成得再準確,也無法改變臨床時水土不服的窘境。

醫療從業人員表示「從技術來講,我認為Google這套系統的算法還是處於初級的階段,存在很大的問題」,「科研和臨床畢竟是兩回事。而且所有拋開驗證過程談準確率的說法,都是在說大話。」

看樣子,但若要真正打通技術、需求、場景的連接,從而獲得成效,醫療AI仍然任重道遠。