人工智能是为了增强医生能力，而不是取代医生 – 思想领袖

作者：Doug Teany，创新顾问，前Corindus公司首席运营官

人工智能及其在医疗保健领域的应用在过去几年中已经取得了显著的进步。人工智能技术比以往任何时候都更广泛地可供医疗保健提供者使用，它们在医疗保健领域，尤其是在需要医生具有异常敏锐洞察力和预见力的复杂机器人辅助程序中，带来了巨大的机会。遗憾的是，仍然有人认为，人工智能由于其成熟，最终将取代医生的角色，尽管事实并非如此。

事实上，人工智能赋予医生新的知识和能力，改善临床决策，帮助实现更积极的患者结果。它将医生的注意力从技术上思考如何操纵心脏中的导线转移到更全面地思考案例策略和如何实现最佳可能的结果。当在机器人辅助程序环境中部署时，人工智能可以帮助建立一个历史上的临床和程序知识百科全书，任何医生都可以访问它来解决任何案例。结合计算机视觉等功能，将会彻底改变当前的护理标准，配备医生以强大的工具，可以应对和预防在它们发生之前的并发症。所有这些都没有取代过程中的关键驱动因素 – 医生。

以数据驱动的洞察力和机器学习为基础

今天，医生主要依赖于个人经验和个体决策能力，这些能力可能会根据他们的培训、完成的程序数量和其他因素而有所不同。从本质上讲，人工智能向医生介绍新的数据和信息，这些数据和信息以前对他们来说是不可用的，这在复杂的程序环境中特别有用，尤其是在使用机器人的情况下。在这些实例中，机器人设备连接到历史数据存储时，人工智能通过提供来自成千上万个类似案例的洞察力来填补知识空白，提供了无与伦比的价值。通过赋予医生访问超出他们自身经验的历史案例数据的权限，他们可以减轻这些复杂程序的一些风险。

机器学习使机器人系统能够从经验中学习并适应新的输入。反过来，机器人可以自动其运动，以模仿世界上最好的医生使用的相同技术，这增加了解决在案例中出现的挑战的机会。最终，这使医生能够专注于案例策略，并更有效地应对并发症。这种数据驱动的洞察力类似于数据如何在 2000 年代初期改变职业棒球的格局，如同《魔球》一书所述。这本书讲述了奥克兰运动家队和经理比利·比恩，他们采取了数据驱动、基于证据的方法来建立球队，而不是依赖缺乏数据的过时方法。反过来，这个模型取得了巨大的成功，并有效地引发了一个由数据驱动的新时代。

在医疗保健领域，机器学习驱动的程序知识数据库为医生提供了类似的洞察力，配备他们以前不可用的宝贵信息。能够将患者置于成千上万个类似案例的背景下，使医生能够对如何处理案例做出更好的、更明智的决定。

下一步：计算机视觉和高自动化

机器人辅助程序环境中人工智能的全部潜力是在数据驱动的洞察力和机器学习与计算机视觉相结合时实现的，使机器人系统能够根据丰富的图像数据智能地识别和响应情况。在心血管干预中，程序时间的重要百分比专门用于导线操作，其中大部分是“试错法”来导航血管。这种方法可能会导致医疗设备（如支架）放置不当，或者导致程序时间延长，从而增加医生和患者的辐射暴露。

但是，随着自动化系统继续学习有效的运动并创建基于知识的规则，我们可以让计算机视觉自动化程序的更大部分。计算机视觉还使系统能够在并发症发生之前检测到它们，例如当导线脱位时，并且可以自动执行纠正操作以交付设备并防止对患者造成伤害。

重要的是，自动化，无论是在哪个行业，都处于一个谱系中，汽车行业提供了一个很好的例子。今天的许多汽车都具有一定的低级自动化，例如制动辅助、自适应巡航控制和车道居中。在谱系的另一端，制造商如特斯拉自动化所有安全关键功能，需要驾驶员采取较少的行动，尽管驾驶员仍然是必要的。同样，在医疗保健中，人工智能驱动的自动化使医生保持在驾驶座位，同时自动化某些任务，这些任务会将医生的注意力从关键元素（如案例策略和应对并发症）中转移开。

人工智能将医生置于中心

关于人工智能和自动化取代医生的担忧根本没有道理，也不符合对医疗保健如何部署人工智能和机器学习的完整理解。就像自动驾驶汽车需要驾驶员一样，我们正在努力实现的自动化介入程序也需要医生的指导，但具有来自全球各地其他高技能医生的经验的数字百科全书。自动化将以非常高的质量标准化程序的执行方式，这是机器人自动化的最终目标 – 使案例更加安全、快速和有效，同时减少对患者的创伤。