医药文摘 #11：2024 年 11 月

在刚结束的美国肾脏病学会（ASN ）年会上，微软首席医学官（CMO）David C. Rhew 发表主旨演讲，设想人工智能（AI）应用于临床医学的场景。微软 探索这一领域已久 ，如今更为实际。将单个 AI 系统转为一套工具适配不同临床工作同时，进一步打通数据、模型之间的藩篱：同样的数据可以输入不同模型，解答不同临床问题；而不同媒介的数据（基因组学、影像学、临床数据、生物标志物），则可以由一个模型针对一问题全面分析。AI 对临床工作的最大助益，或许是被动（reactive）医疗护理模式变得更加主动（proactive）：医生不再被动等待患者上门，而利用既往数据筛找潜在患者，提前干预（一个台湾的例子 ）。既然是肾脏病学术会议，自然有相关应用提及，如 AI 通过检查视网膜评估慢性肾脏病（CKD）风险。该产品已得到美国食品药品监督管理局（FDA）突破性医疗设备 资格认证，计划明年第 2 季度启动效果确证临床试验。然而，如何保护个人隐私信息，如何帮助大众公平获得 AI 医疗资源，如何降低 AI 巨大能耗，这些与社会息息相关的问题，演讲者并未涉及。AI 在临床领域大有可为，但尚在初步阶段，绝不可能一帆风顺。

Half-Full and Half-Empty AI Glasses

还是 AI。体外受孕操作需要挑选容易成功怀孕的胚胎，再植入妇女体内。一项随机双盲临床试验表明，挑选胚胎 AI 算法并不比肉眼观察更出色。结果本身不在意料之外，但 Derek Lowe 敏锐察觉到一个特殊角度。同样试验设计、结果，可以产生三种解读方式：“AI 未能优于人类判断”“AI 与人类判断同样出色”，以及“人类判断未能优于 AI”。三种结论都准确反映事实，但其中隐含的意思（implication）却大相径庭，这不禁发人深省。同一事实解读不同，或者同一解读理解不同，这是人类认知的普遍现象，源头是 个体认知框架差异 （frame）。这一预设框架（frame）由个体经历形塑，受许多个性化因素影响，难以一致。Derek 以此研究为例，说明应用新技术的商业决策非常困难，尤其在行业、媒体众声喧哗、态度一边倒的时候。技术的真正价值未经证实，没人愿意错过、落后，又不能押上全部以免血本无归，此时了解决策背后的认知框架就尤为重要了。看来 Derek 也站在丹尼尔·卡尼曼（Danieal Kahneman ）一边。