私人医生这个职业是否已经消亡？人工智能在医学领域的革命将令你震惊

你有没有想过，为什么你的医生大部分时间都在盯着屏幕而不是看着你的眼睛？因为他已经变成了高薪秘书。但微软和谷歌最近带着一些工具进军诊室，这些工具承诺改变这种现状——或者让医生们失业。这会是医疗保健的解决之道，还是白大褂时代的终结？全科医生这个职业是否已经消亡？

想象一下这种全球现象： 你坐在一个冷冰冰的候诊室里，周围是2018年的杂志，人们咳嗽声此起彼伏，仿佛歌剧演员一般热情。终于轮到你了，医生温和地跟你说了句“你好”，然后…… 花十分钟时间，与你的键盘建立一段充满激情的关系。你还在说胸痛，他却像在写下一部文学巨著一样敲键盘。 这就是现代医学在世界各地面临的现实。 ——一个官僚主义盛行的地狱，诊断沦为行政部门的次要工作。但是，亲爱的读者们，做好准备吧，它即将到来。 人工智能 人工智能不需要休息喝咖啡，不会罢工，还能记住你过去二十年里提到的每一个症状。全科医生这个职业是不是就此消亡了？

当微软进入手术室

首先，我们要明确一点。当我们谈论这场变革时，我们指的是微软的…… 官僚主义才是真正的大规模杀伤性武器 细微差别 DAX 副驾驶 （Dragon Ambient eXperience）。微软斥资197亿美元（约合185亿欧元）收购了Nuance。为什么？因为他们知道医疗保健行业正处于颠覆性变革的风口浪尖，而医生们如今面临的最大问题是纸张，而非病毒。

DAX 副驾驶 它并非那种你会在上世纪90年代律师事务所里找到的老式录音笔。它是一个利用环境智能和GPT-4模型的强大功能来“聆听”医生和患者之间对话的系统。它无需任何指令，就能自动完成工作。当医生检查你的生命体征并询问你的生活方式时，DAX会在后台迅速生成一份完整的临床记录，其结构完全符合最高的医疗标准。

结果如何？这些数据如此出色，任何工程师都梦寐以求地想把它们贴在超级跑车的侧面：

每次就诊节省7分钟。
70 % 减少医生的职业倦怠。
文档处理时间减少 50%。
最重要的是：93 名 % 患者表示，医生使用该系统后更加“人性化”。

是不是很讽刺？我们需要世界上最冷冰冰的技术才能让医生们重拾温暖。这套系统不仅能记录，还能理解上下文，过滤掉无关的天气闲聊，专注于临床事实。医生最终只需扫描记录，在电子病历系统中确认，病例就结案了。

Google Med-PaLM 2：天才之盒

如果微软谷歌负责整理文件并担任高级行政助理，而谷歌则负责诊断。他们的模式 Med-PaLM 2 Med-PaLM 2 堪称医学百科全书的升级版。它可不是那种会因为轻微头痛就开紧急手术处方的普通聊天机器人。Med-PaLM 2 是首个参加美国医师执照考试的人工智能模型。 （USMLE）得分高于 85 分 %。 这是“专家级别”。

这玩意儿能读取X光片，分析你的基因组，还能把普通全科医生因为忙着想车停哪儿而忽略的症状联系起来。它是多模态的，也就是说它能同时理解文本、图像和传感器数据。想象一下，如果你的修车师傅知道所有螺栓的来历——那就是…… Med-PaLM 2 对人体而言。

数字冷战：硅与肉

如果我们剥去“医生直觉”的浪漫色彩，看看原始数据，就会发现这对人类的自尊心来说相当痛苦。

1. 诊断准确性（一般知识）

以下是基准测试结果 美国医师执照考试（USMLE） ——医学检查中的“圣杯”。

男（医生）： 大约需要 60 %普通医生能取得不错的治疗效果，但受限于记忆力。
人工智能（Google Med-PaLM 2）： 该模型在同一场考试中得分 86,5 %.
结果： 人工智能就像一个“书呆子”，它阅读并记住了过去100年来所有的医学书籍、研究论文和笔记。人类的大脑容量根本无法与如此庞大的数据库相媲美。

2. 放射科：永不疲倦的眼睛

放射学是人类开始败北的第一个战场。

研究（谷歌健康，乳腺癌）： 在分析乳房X光片（乳腺癌）时，人工智能系统减少了数量 假阳性结果 （当医生说是癌症，但实际上不是的时候） 5,7 % 和 假阴性 （当医生漏诊癌症时） 9,4 %.
人类缺陷： 感知疲劳。一位放射科医生在审阅了100张X光片后，注意力开始下降。他的眼睛虽然能看到异常，但他的大脑却无法识别。而人工智能对第10000张图像的清晰度却与第一张相同。

3. 皮肤科：黑色素瘤

研究（肿瘤学年鉴）： 58 位皮肤科医生与卷积神经网络 (CNN) 在黑色素瘤识别方面的比较。
男人： 皮肤科医生正确识别出黑色素瘤 86,6 % 案例。
人工智能： 该算法达到了 95 % 准确性。
结果： 人工智能很少会将危险信号误判为良性痣。
See also
应用人工智能
ChatGPT Atlas 浏览器：当浏览器拥有大脑并挑战 Chrome 时

4. 医生最短缺的地区在哪里？（人类的阿喀琉斯之踵）

人为错误统计数据推动了人工智能的引入。人类并不擅长处理海量数据。

误诊率： 据估计，初级保健（私人医生）的诊断错误率介于 5 % 和 15 %在美国，这意味着每年约有 1200 万成年人被误诊。
认知偏差（锚定偏差）： 医生常常固守第一反应，认定自己做出了诊断，而忽略了与之相悖的数据。人工智能没有偏见，也没有“偏爱的疾病”。它会平等地处理每一条信息。
罕见病： 普通全科医生在其职业生涯中可能只会遇到一次罕见病（甚至可能一次也没有）。因此，他们常常忽略这种疾病，并将症状归因于常见疾病（“可能只是压力过大”）。人工智能的数据库中包含此类罕见病信息。 所有7000多种已知的罕见病 并能立即将人们通常会忽略的症状联系起来。

医生去世了吗？

事情就变得有趣起来了。如果我有一个更擅长诊断的系统（谷歌），还有一个更擅长撰写报告的系统（微软），那我为什么还需要一个疲惫不堪、容易出错的人来夹在中间呢？

我内心愤世嫉俗的一面说： 承担责任。当 人工智能 这很容易让人困惑——而且有时确实如此——你到底要起诉谁？云端的算法？亚利桑那州的服务器机房？这很难说。我们需要一个有签名的人来承担这项决定的道德和法律分量。

但我乐观的一面却看到了另一番景象。我看到了“打字僵尸”时代的终结。医疗行业并未消亡，但医疗管理行业却已不复存在。那些拒绝……的医生 人工智能， 他们会被碾得比赛道上的行人还快。那些接受这种现实的人将成为“超级医生”。

想象一下，你的医生可以实时获取世界上所有的医学知识（通过 Google Med-PaLM而且他甚至不用写一封信（多亏了微软DAX）。那他还能做什么呢？他可以真正地关注你。他可以看着你的眼睛。他可以运用人工智能（目前）不具备，而且可能永远也不会具备的能力：同理心、直觉，以及在你害怕时安抚你的能力。