易燃物匯聚 YouTube 有聲書與書評
口袋裏的人工智能·AI與醫療健康 封面

口袋裏的人工智能·AI與醫療健康

史穎歡 李姝萌

14人在讀
7.4萬字總字數
¥18.4定價

內容簡介

本書概述介紹人工智能在影像和數據智能分析中的應用。共分爲七章。第一章介紹人工智能的起源與背景,以及人工智能當下的國內外發展現狀;第二章介紹人工智能當前發展的熱門領域以及對應的巨大成就;第三章介紹人工智能的經典算法,包括機器學習和深度學習等,以及具體的深度神經網絡模型;第四章介紹影像和數據技術與相關的基礎知識;第五章介紹人工智能模型在影像和數據分析方面的應用,詳細描述當前先進的醫學圖像領域方向的深度學習模型;第六章介紹現實生活中,人工智能在智能影像和數據分析中成果轉化的案例;第七章介紹人工智能與智能影像和數據分析的未來的前景應用與當前發展的方向。

讀者書評

★★★★★

《AI與醫療健康》作爲口袋人工智能系列的科普讀物,跳出了大衆對AI技術的神化敘事,我覺得整體還是比較客觀、通俗的,沒有一味追捧智能科技的便捷與革新,主要拆解了人工智能在大衆健康、基層醫療、臨牀輔助以及醫學科研中的應用場景。我剛好最近參加可人工智能與生物醫藥的一個會議,所以順帶讀了讀這本書當做補充,可以說,這本書語言淺顯易懂,也兼顧了科普性與專業性,能讓普通讀者看明白AI如何走進日常的健康管理過程,同時也基本上爲醫療科研從業者,釐清了AI醫療的應用價值,讀完後也讓我在其真實邊界、落地困境方面產生了很多啓發與思考。 在大衆認知中,大數據甚至是AI醫療早已逐漸融入了日常。從我們隨身攜帶的可穿戴設備監測心率、睡眠、身體體徵,實現個人健康的動態管理;到基層醫療中AI影像輔助篩查、基礎用藥諮詢、健康風險預警;再到公共衛生領域的流行病趨勢監測、真實世界數據挖掘,人工智能已然打破了傳統醫療的時空侷限。它讓高端醫療資源得以下沉,讓普通人能隨時隨地掌握自身健康狀況,大幅降低了基礎健康管理與初篩診療的門檻,真正實現了“醫療觸手可得”的普惠價值。 不過有個核心準則:AI永遠是醫療的輔助工具,而非替代者。人工智能擅長處理重複性、數據化、規律性的工作,海量體徵數據統計、標準化影像初篩、健康趨勢追蹤、基礎科普答疑,都是AI的優勢所在。但醫學並不是冰冷的數據與公式,臨牀診療需要醫患共情、複雜病情綜合研判、結合個體情況的辨證決策,這是目前所有AI技術無法復刻的。因此,未來醫療的終極形態,還是更有可能以“醫者主導,AI賦能”的形式,科技承接繁瑣工作,而醫者還是要堅守診療核心與人文底色。 與此同時,這本書也理性討論了AI醫療行業暗藏的諸多短板與爭議,雖然出版於2021年,但5年過去從2026年來回望,仍然覺得這是褪去AI的科技濾鏡後必須直面的行業痛點。其一是數據隱私與算法偏見的雙重風險,健康數據屬於最高敏感度的個人信息,海量數據採集與運用的過程中,泄露、違規商用隱患始終存在;而單一的訓練數據集,極易造成算法對特殊人羣、小衆病症的判斷偏差,埋下誤診的隱患。其二是行業權責界定的空白,AI診療建議出現偏差、造成醫療問題時,開發者、平臺、醫護人員的責任劃分,目前仍無完善的行業規範。其三,也是大衆感知最直觀的模型幻覺問題,通用大模型缺乏醫療專業約束,極易出現推演錯誤、虛假診療建議,誤導普通用戶。 那麼再結合我的自身經歷來談談對AI醫療的認識。作爲現代生物醫藥轉化醫學背景的科研工作者,目前我對AI醫療的臨牀轉化困境最直觀的認知是,大衆看到的是往往是AI醫療的普及與熱鬧,但卡點還是歸於數據本身。據我觀察,目前市面上絕大多數AI醫療模型,訓練數據高度依賴醫院電子病歷、常規化驗指標、影像報告等表層臨牀數據,數據維度單一、同質化嚴重。真正能夠支撐精準醫療、解析疾病底層機制、區分疾病亞型、預判個體預後的高質量多組學數據仍然極度稀缺。除了普及度較高的基因組學以外,轉錄組、蛋白質組、代謝組,以及宏基因組等深度組學數據,大多隻是存在於高校與實驗室的科研隊列研究中,而且停留在基礎科研層面,真正實用的新型標誌物研究推行鮮有能真正形成閉環的,我尚未形成常態化的臨牀檢測指標——當然考慮到技術的便捷性、費用等,這也確實不那麼容易在當下大規模實現,也就更無法納入AI模型訓練體系了。我覺得數據維度的缺失、高質量臨牀組學數據的斷層,是當下AI無法實現真正精準診療、難以落地高端臨牀場景的一個癥結所在。 除此之外,實驗室科研大模型與大衆端輕量化AI也存在難以逾越的技術鴻溝,我覺得這也是行業發展的一大瓶頸。目前大衆使用的口袋級AI健康工具,算力有限、功能單一,僅能實現基礎健康監測;而實驗室高精度、多維度的AI大模型,深耕於科研端,無法對接大衆終端。未來AI醫療真正的突破方向,大概率還是要打通兩端壁壘,實現大衆終端簡易採集、雲端科研大模型自動完成多源數據對齊、整合、調度與深度分析,讓前沿科研算力真正服務於大衆健康。 再者就是解決大衆端AI醫療幻覺的路徑,書中這部分雖然沒有太深入展開,但也給我些啓發,我覺得構建雙向約束、雙向校正的閉環體系是很有必要的。比如摒棄單一通用大模型的自由推演模式,以專業醫療小模型、權威醫學知識庫作爲底層約束,同時搭建患者端與醫務端雙向對齊機制,通過醫患真實交互、臨牀專業判斷持續校正模型輸出,這樣是在力求最大程度規避AI的虛假推演,讓民用AI健康工具兼具便捷性與嚴謹性。 AI不是顛覆醫療的革新神器,而是推動醫學迭代的重要工具。它的普及讓普惠醫療成爲現實,但它的上限始終是、也必須要被臨牀數據體系、專業算法約束、行業規範建設所限制的。我覺得,科技確實可以快速迭代,但醫學的進步仍然是沒有捷徑的。AI醫療的未來並不止是技術的更新,更是數據體系、專業約束、行業規則、醫患閉環的全方位完善。所以,醫療與科研工作者仍然需要紮根於臨牀實際、深耕於科研本身,而且要敬畏醫學,保持嚴謹的態度並堅守人文情懷,這是讓“口袋中的人工智能”真正成爲大衆健康守護力量的大前提。

書籍信息

作者史穎歡 李姝萌
出版社廣東科技出版社
出版時間2023-12-01
ISBN9787535981691
分類計算機-人工智能
格式EPUB
完結狀態連載中
章節數34