对人工智能诊断新冠的思考！

对人工智能诊断新冠的思考！

想象一下，即使你没有新冠症状，你被迫咳嗽的声音也会传送到你的智能手机或其他智能音响设备，经过算法处理，可以提供高达98.5%的准确诊断。前不久发表在国际顶尖杂志《柳叶刀》上的一篇名为Is my cough COVID-19?的文章引起了大家的广泛关注。

一项涉及4000多人的研究表明人工智能诊断新冠是可能的，而且可以在任何时间免费进行。但是，这种技术显然需要进一步的研究和独立的重复来改进。事实上，重复性欠佳是人工智能在医学中使用的一个重要问题，最近的两项研究就是一个例子：一项针对英国2.5万多名女性和美国3000多名女性的乳房x光片的研究表明，与放射科医生相比，人工智能算法提高了乳腺癌诊断的准确性。但是有研究人员质疑这些发现，声称缺乏透明度——共享代码和充分记录的方法——使得结果不可重复。类似地，一种基于算法的数学建模方法在485例患者中使用三种生物标志物预测COVID-19死亡率，其准确率为90%。多个研究团队随后测试了这个模型，发现死亡率预测的准确性很差。

我们已经一次又一次地看到，种族、地理、位置和其他人口统计因素会影响算法的性能。任何AI模型都只能被认为适用于以那些数据为基础的患者。

例如，在19家医院的32.5万多名患者中实施了一项针对患者(与COVID-19无关)病情恶化的自动预测模型，并与使用该模型之前的时期进行了比较。结果显示，如果医院病人的死亡率和重症监护病房的入住率较低，住院时间较短，并且没有随机试验的话，很难评估这些结果的准确性。

美国的许多医疗系统都在为患者使用可穿戴的算法传感器，该传感器可以连续捕捉血氧测量、体温、心率、呼吸和活动能力。这种对轻至中度COVID-19患者的远程监测具有不小潜力，但这种方法没有任何重复性可言。人工智能在医学上的前瞻性研究有限，随机试验更少，这强调了我们需要更多深入研究来为临床应用得开发强提供有力的证据。回到咳嗽和COVID-19的概念上来。深度神经网络人工智能的先驱Geoffrey Hinton曾说过:“人工智能的深度学习将能够完成所有事情。”

关于人工智能在COVID-19中的作用，媒体也频频登上头条，甚至在流感大流行之前，对人工智能就已经开始大肆炒作了。毫无疑问，人工智能的作用被过度夸张了。所以，在我们拥有明确的证据、重复和外部验证，以及本解决文讨论的所有隐患之前，面对人工智能可以从强迫咳嗽中准确诊断COVID-19这种好事，我们应该慎重考虑——无论它看起来多么诱人。