信息化觀察網(wǎng)

數(shù)據(jù)本應(yīng)是人類的幫手，但如今人類卻被數(shù)據(jù)淹沒，不知所措。廉價(jià)的數(shù)據(jù)儲存器以及自動數(shù)據(jù)收集引發(fā)了大數(shù)據(jù)革命，與過去相比，組織機(jī)構(gòu)的數(shù)據(jù)一直在膨脹增長。從計(jì)算機(jī)日志文件到天氣狀況，從購買數(shù)據(jù)到電視播放量，龐大的數(shù)據(jù)一直在展示世界的方方面面。

但同時(shí)，仍有大量難辨真假的數(shù)據(jù)等待處理，有時(shí)它們并不投入使用，有時(shí)也會用作檢測目前的趨勢。而處理如此多的數(shù)據(jù)絕非易事。

比方說在醫(yī)療方面，新診斷技術(shù)的出現(xiàn)便意味著需要對患者收集比以往更多的信息。

醫(yī)生不能也不會忽視病人的新信息。當(dāng)診斷技術(shù)證實(shí)可投入正式使用后，便可用于挽救千千萬萬的生命。曾經(jīng)CT和MRI這些診療工具并不常見，只在最復(fù)雜的案例中出現(xiàn)，但現(xiàn)在它們已不再罕見。隨著這兩種工具診斷越發(fā)準(zhǔn)確，每次使用拍攝的圖像數(shù)量也會增加。最近有研究表明，1999年平均每位患者拍攝82張CT圖像，而2010年，圖像數(shù)量增加了730%，達(dá)679張。

對于希望獲得精準(zhǔn)診斷的患者而言，這的確是個好消息，但同時(shí)也為放射科醫(yī)生帶來巨大壓力。在醫(yī)療設(shè)備數(shù)字化的背景下，放射科的醫(yī)生們篩選的數(shù)據(jù)也大大增加。研究還表明醫(yī)生們?yōu)榱吮３止ぷ髁?，需在?至4秒內(nèi)檢查完一張圖。

聘請更多的放射科醫(yī)生是解決繁多工作量的一個方法，但培養(yǎng)專業(yè)人員耗時(shí)并不短。而且，假設(shè)當(dāng)今圖像的數(shù)目是30年前的50倍，難道放射科醫(yī)生人數(shù)也相應(yīng)提升至50倍嗎？這個解決方法顯然不可取。

因此，時(shí)勢造AI。

AI能為這些醫(yī)生們做什么呢？傳統(tǒng)的AI計(jì)算機(jī)輔助診斷方法檢測到問題后，需要醫(yī)生手動發(fā)送診斷圖像，十分麻煩。而在新的方案中，AI“持續(xù)在線”，并且能自動檢測篩選圖像。

AI不僅僅輸出診斷信息。有些AI方案還可以對病例排序，確認(rèn)哪個患者（如栓塞癥患者）情況更嚴(yán)重，需要先看醫(yī)生。比方說，癌癥患者可以在幾周內(nèi)接受手術(shù)，但顱內(nèi)出血的病人情況更為危急，瀕死的幾個小時(shí)是不可錯過的救治時(shí)間。

AI并不是利用算法來取代放射科醫(yī)生的工作，也不會取代任何獲益于大數(shù)據(jù)的崗位。相反的是，AI是放射科醫(yī)生們的主力工具，幫助他們持續(xù)關(guān)注病人狀態(tài)。該科室的醫(yī)生如果一天工作10至12個小時(shí)，那么一人可能就需要檢查1萬多張圖像，而AI卻可以幫助提升其準(zhǔn)確率，減少工作負(fù)擔(dān)。埃森哲（Accenture）公司在研究中發(fā)現(xiàn)，AI技術(shù)正重塑醫(yī)療服務(wù)，改善人類活動。

但如今仍未確定AI在醫(yī)療領(lǐng)域的價(jià)值，也不知曉AI是否已充分發(fā)揮其作用。AI不是完美的代名詞，依然存在著一定的缺陷。但它也從“遙不可觸”變成了一種實(shí)打?qū)嵉募夹g(shù)。美國的食物與藥品管理局在醫(yī)藥市場批準(zhǔn)了部分AI支持方案，它們同時(shí)也獲得了歐盟的許可。

數(shù)據(jù)仍在增長，CT和MRI儀器將變得更加準(zhǔn)確快捷，每個病患的圖像會更加全面。AI將幫助眾多醫(yī)生趕上數(shù)據(jù)的大流，他們也因此有了更多時(shí)間關(guān)注病人。

AI不會搶了業(yè)務(wù)數(shù)據(jù)分析師的飯碗，而是幫助他們處理數(shù)據(jù)時(shí)更加得心應(yīng)手，比方說處理亞馬遜等大公司數(shù)億交易數(shù)據(jù)可不容易。AI也不會沖擊IT行業(yè)的就業(yè)情況，但如果沒有AI，業(yè)內(nèi)人士也難以處理大量的日志數(shù)據(jù)。

汽車制造業(yè)也出現(xiàn)了類似的趨勢。1928年，近50萬人受雇于美國汽車業(yè); 但現(xiàn)在數(shù)量已上升近一百萬人。機(jī)器自動化并未給汽車制造業(yè)帶來苦果，而是促進(jìn)了更先進(jìn)汽車的誕生。

然而諷刺的是，為了使AI更加精準(zhǔn)強(qiáng)大，必須使用大量數(shù)據(jù)訓(xùn)練深度學(xué)習(xí)模型。也就是說，大數(shù)據(jù)是AI進(jìn)步的一大前提；同樣，為了充分利用大數(shù)據(jù)革命，首先需要AI的革命。

AI從大數(shù)據(jù)中拯救了人類，使我們免于淹沒在數(shù)據(jù)之中，并給出明確的方向。在AI的幫助下，業(yè)務(wù)運(yùn)營更妥當(dāng)，軟件應(yīng)用運(yùn)行更快，醫(yī)生也得以使用更多的數(shù)據(jù)更好完成本職工作。

（選自：TNW 作者：Elad Walach 編譯：網(wǎng)易智能 參與：Meadow）