近幾年來，由於對診斷過程的不斷改進以及醫療領域數位化發展，現在對診斷人員的認知需求也隨之增加。因此現在可以利用人工智慧(AI)來幫助醫生減少與認知相關的診斷錯誤。然而，目前的人工智慧工具還沒有達到這種能力，主要是因為之前大多數人將重點放在AI的診斷結果上面，而不是輔助醫生，細化診斷過程上面。來自加州大學舊金山分校醫學系的科研團隊提出，我們應該講人與AI相結合，讓AI充當診斷過程中的導航。
具體觀點發表在【JAMA】上，文章題目「Next-Generation Artificial Intelligence for Diagnosis from Predicting Diagnostic Labels to 「Wayfinding」
AI的作用
在臨床上如果單純的使用AI進行診斷並給出結果，並不能獲得醫生和患者的信任。新一代的人工智慧需要考慮診斷的過程，並回答臨床醫生和患者在診斷路徑上的問題以及下一步應該做什麽的備選項。因為診斷是一個問路的過程，AI更應該充當的是輔助導航的作用。
導航的基本要素是定位(當前位置是什麽?)，路徑選擇(走哪條路?)，路徑監控(這是正確的路徑嗎?)，目的地辨識(這是終點嗎?)。導航還指的是在機場和醫院等復雜空間中，指引人們方向並幫助他們選擇路徑的環境線索(例如，走廊的曲率和顏色，潛意識地引導人們到達最終目的地)。有效的尋路可以減少復雜旅程中的認知負荷。
從臨床醫生的角度來看，診斷過程從評估患者的體征和癥狀開始，這是一個收集資訊的過程(例如，詢問問題或回顧醫療記錄)。當臨床醫生整合和解釋積累的數據時，下一步就要計劃好，通常要有一個大致的方向或潛在的目標(診斷假設)。隨著下一步的進行，新的資訊產生(例如，測試結果或身體檢查)，這將引發另一輪的數據獲取。隨著周期的重復，不確定性減少了，目標也變得更加清晰。當臨床醫生和患者充分排除了各種不確定性之後，診斷之旅就結束了
盡管臨床醫生對於將決策移交給預測工具一直猶豫不決，但他們已經在過程中的關鍵認知任務(例如，心電圖的電腦解釋)中使用了技術指導。支持動態診斷細化過程的人工智慧工具應該幫助臨床醫生了解自己在診斷路徑上的位置，並幫助他們選擇最有可能減少不確定性的路徑。臨床醫生仍然會分析數據並做出決定，但人工智慧可以幫助醫生降低認知負荷。
AI診斷的發展
為了開發尋路人工智慧工具，需要生成新的數據資產型別。除了傳統的以患者為中心的(臨床)資訊外，還需要新的以臨床醫生為中心的數據，以捕獲臨床醫生在診斷過程中的行為(例如，臨床醫生在評估下腰痛患者時通常審查哪些數據)以及在此過程中圍繞臨床醫生和患者的背景因素(例如，團隊結構，患者數量)。鑒於診斷場景的廣度，初始數據集應側重於描述常見癥狀診斷過程中的資訊處理和決策節點。
觀察臨床醫生當前的診斷活動的數位足跡，將揭示人工智慧在哪裏可以最佳化資訊導航和決策。這樣做可以發現更有效和準確的診斷途徑。例如，人工智慧演算法可以優先考慮肺結節切除，而不是傳統的實驗室檢查、額外成像或觀察期等中間步驟。這可能看起來不合邏輯或不正常，但人工智慧系統不受對臨床醫生有意義的標準實踐的約束，可能會揭示提示尋路指導的替代方法的安全性和效率。
目前的診斷AI還沒有專註於支持診斷過程。然而在復雜的環境中，知道路徑的方向是很重要的，人工智慧「精靈」可以幫助實作人類智慧和人工智慧的協同作用，共同實作卓越的診斷。
喜歡這篇內容的話歡迎關註我，或者點贊、評論、分享給其他讀者吧！
不關註也沒關系，我還是愛你的~
