{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","uuid":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","normalized_title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","isbns":["9787302517986"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":490,"navigation_url":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E5%A4%A7%E6%95%B0%E6%8D%AE%E6%8A%80%E6%9C%AF%E5%AF%BC%E8%AE%BA","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","page_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/search"},"page":{"printed_page":420,"pdf_page":436,"physical_index":436,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"2a9422b5d0982ac2e8f0aaa3549822937288d2ae1e4e7b58b2252fef05b5fc5c"},"chapter":"第14章","content":"目前，该系统已实现了对早期食管癌、早期胃癌、早期乳腺癌、糖尿病性视网膜病变等多种重大疾病的识别和诊断，每月可处理上百万张影像，准确率已达到较高水平(如食管癌达到90%，糖网达到97%）。\n\n国内已有多家医院（包括中山大学附属肿瘤医院、广东省第二人民医院、四川大学华西第二医院和第四医院等)加入了人工智能医学影像联合实验室。未来计划将该系统整合到核磁共振等医疗仪器中，让病人检查完直接出结果，省去系统间图像的传输过程，实现更高效的病症筛查。\n\n在分级诊疗的体系中，人工智能确实可以有效实现对医疗资源和能力（尤其是基层）的补充和强化，从而加快整个分疗体系建设的完善。\n\n14.5 人工智能要当“医生”\n\n当然，人工智能要进入医疗行业，尤其是要承担部分甚至全部的医生职责，还面临很多挑战。其中最核心的问题，也是当前医疗行业最难建立的是：信任，尤其是病人对医生的信任。在过去的医疗体系改革进程中，商业化、市场化等负面影响逐渐增大，病人对医生“赚了钱治不好病”的问题越来越耿耿于怀，医患矛盾时有发生。往大医院跑成为病人的无奈选择，因为除了“名院名医”的招牌外，没有更好的信任建立和维护的手段。人工智能要在这个信用不太充分的行业获得患者、医生乃至监管部门的信任，可以说非常困难，但这也是必经之路。推动信任建立，至少有4个方面值得研究探索。\n\n一是技术信任。人工智能在医疗行业的应用需要建立一系列的技术性能指标体系，并重点明确正式商用的指标水平要求，从而确保人工智能达到甚至超过人类医生的基准要求，比如疾病识别的敏感度、特异度、准确率等。\n\n二是职责信任。人工智能使得传统人类医生的工作部分被智能机器接替，那么随之而来的问题是，这部分工作的质量和出错的风险应该由谁负责？是使用人工智能的医生、医院，还是人工智能供应商？这种根据具体情况而有所差异的责任归属容易让人产生模糊感。因此，需要重点明确责任归属的原则，以打消病人对“出了事找不到人”的顾虑。比如，在有付费交易的情况下，可按直接发生交易的双方确认责任主体。病人付费给医院得到治疗，用了院方提供的人工智能服务，出现问题时应由院方对病人全权负责。\n\n三是隐私信任。病人采用人工智能诊疗服务，需要提供大量的个人健康医疗信息。这些信息大多私密性较高，一旦泄露会对个人声誉乃至安全产生风险，在数据隐私重点保护的范围之内。因此，应用人工智能进行诊疗需要与病人签订相关的数据隐私保密协议，让病人放心。比如协议中可明确规定，治疗期间所采集的个人数据，未经病人同意不得用作其他用途等。\n\n四是情感信任。疾病治疗并非仅是生理治疗，心理、情感的疏导在病人的整个治疗过程中也非常重要。而目前由于医患资源的不匹配，医生对病人很少会进行有效的心理沟通和疏导，医患之间难以建立情感信任。而人工智能借助对病人个人情况的连续记录和洞察，有望提供个性化辅诊和陪护服务，从而成为医患情感信任建立的有益补充。因此，对于医疗行业而言，推动情感机器人发展也是未来的一大重要方向。\n\n人工智能与大数据技术导论\n\n420","previous_page":419,"next_page":421}