諸如“AI醫生”、“AI診斷”以及“人工智能將最終成為人類的醫生”之類的頭條新聞或多或少使人們相信，人工智能不久后將真正取代人類醫生，但專家表示，事實上AI與人類醫生將形成一種合作關系，并非完全取代：患者很快就會發現，臨床醫生將與人工智能攜手，共同為他們提供服務。

  在醫學界，人工智能的前景毫不悲觀。但指紋識別軟硬結合板廠發現，許多人表示，針對AI的炒作尚未在真實的臨床環境中得以實現。對于人工智能服務將如何產生巨大影響，各界人士的看法褒貶不一。目前，尚不清楚人工智能能否改善患者的生活，對于硅谷企業、醫療保健組織和保險公司等期望達到的最低目標也不得而知。

  斯坦福大學生物醫學信息學研究中心的研究科學家Kenneth Jung表示：“如果盲目地信任這個模型，只會被潑涼水。因為模型會告訴我們，這個患有哮喘的孩子得了肺炎，但我們不需要擔心，開一些抗生素給他，然后送他回家就行了。”深度學習預測在首次遇到異常的數據點（例如特殊的醫療病例），或者在學習無法良好普遍適用的特定數據集中時，也會出現謬誤。

  在應用于海量數據集時，AI預測的表現最佳。HDI廠舉個例子，由于可以訪問大量人群和患者數據，中國在訓練AI系統方面具有優勢。2月，《Nature Medicine》雜志發表了一項由中國廣州和圣地亞哥研究人員展開的研究。該研究基于超過56.7萬名兒童的電子健康記錄，可以診斷出許多常見的兒童疾病。

  哈佛大學法學教授、精準醫學、人工智能和法律項目負責人I. Glenn Cohen表示，所有的預防措施在整個人工智能開發和部署過程中必不可少。整個過程可能涉及驗證AI預測的準確性和透明度。在數據收集過程中，研究人員還需要保護患者隱私，并且需要經過患者同意方可利用患者數據進行AI訓練。

  或許，要實現醫療保健的民主化，這類人工智能系統并不需要達到登峰造極的程度，只需使當前的醫療標準惠及醫療欠缺的地區。盡管如此，線路板小編也發現，目前大多數AI應用都致力于提高現有的醫療標準，而非推廣實惠的醫療保健。Cohen表示：“實現現有醫療服務民主化，將比在許多其他領域民主化的效果更顯著、影響更強烈。”

  實際上，仍有另一個提高健康護理質量的AI機遇，與此同時，將大多數醫療診斷的主動權掌握在醫生手中。斯克里普斯研究轉化研究所的主任和創始人Eric Topol在其2019年出版的《Deep Medicine》一書中談到，可以創造出像Siri一樣的AI醫療助手，產生醫生與患者之間的互動、記錄電子病歷，并提醒醫生詢問患者相關過往病史。

  AI助手聽起來可能不如AI醫生令人興奮，但前者可以讓醫生騰出更多時間陪伴患者并提高整體護理質量。尤其是家庭醫生，他們經常花費一半以上的工作時間將數據輸入電子健康記錄。這一點是身體和情緒倦怠的主要原因，甚至可能導致包括患者死亡在內的嚴重后果。

  諷刺的是，電子健康記錄本應通過降低患者信息的獲取來改善醫療保健和降低成本。但Topol與其他許多專家指出，電子健康記錄是當前AI醫療保健的大肆炒作。電子健康記錄的應用已在數百家私營供應商中創建了拼湊系統，成功分離了患者數據并隔絕了醫生和患者的訪問。若以史為鑒，許多科技公司和醫療保健組織或許會用類似的方式為自己的AI系統建立醫療數據庫。

  Komarneni表示，使用匯總和排列不同來源醫療專業知識的集合智能系統或許是這個問題的解決方法之一。Komarneni正與Human Dx合作試驗這種方法。在美國醫學協會（American Medical Association）等主要醫療機構的支持下，Human Dx建立了一個在線平臺，為特定醫療案例的數千名醫生提供眾包建議。Komarneni希望這樣的平臺有朝一日也能真正獲得許多不同AI服務的診斷建議。Komarneni說：“就像未來各個不同領域的專業人員可能會看到你的病例一樣，AI完全有可能做到這一點。”

  Topol表示，當醫生等待AI助手時，諸如HumanDx這樣的眾包項目“肯定會改善診斷環境，甚至可以改善治療建議。”2018年，他在一個名為Medscape Consult的平臺上合著了一篇論文。該論文的結論寫道，集體人類智能可能是AI醫學的“競爭或補充策略”。

  但是，電路板廠想說，如果AI服務通過所有測試和現實檢查，就很可能成為人類重塑現代醫療保健的重要合作伙伴。“有些事情機器永遠無法完成，也有些事情人類永遠做不到，”Topol說。“所以，當我們把兩者合二為一時，就可能釋放出巨大的能量。”