近几年来，由于对诊断过程的不断改进以及医疗领域数字化发展，现在对诊断人员的认知需求也随之增加。因此现在可以利用人工智能(AI)来帮助医生减少与认知相关的诊断错误。然而，目前的人工智能工具还没有达到这种能力，主要是因为之前大多数人将重点放在AI的诊断结果上面，而不是辅助医生，细化诊断过程上面。来自加州大学旧金山分校医学系的科研团队提出，我们应该讲人与AI相结合，让AI充当诊断过程中的导航。
具体观点发表在【JAMA】上，文章题目「Next-Generation Artificial Intelligence for Diagnosis from Predicting Diagnostic Labels to 「Wayfinding」
AI的作用
在临床上如果单纯的使用AI进行诊断并给出结果，并不能获得医生和患者的信任。新一代的人工智能需要考虑诊断的过程，并回答临床医生和患者在诊断路径上的问题以及下一步应该做什么的备选项。因为诊断是一个问路的过程，AI更应该充当的是辅助导航的作用。
导航的基本要素是定位(当前位置是什么?)，路径选择(走哪条路?)，路径监控(这是正确的路径吗?)，目的地识别(这是终点吗?)。导航还指的是在机场和医院等复杂空间中，指引人们方向并帮助他们选择路径的环境线索(例如，走廊的曲率和颜色，潜意识地引导人们到达最终目的地)。有效的寻路可以减少复杂旅程中的认知负荷。
从临床医生的角度来看，诊断过程从评估患者的体征和症状开始，这是一个收集信息的过程(例如，询问问题或回顾医疗记录)。当临床医生整合和解释积累的数据时，下一步就要计划好，通常要有一个大致的方向或潜在的目标(诊断假设)。随着下一步的进行，新的信息产生(例如，测试结果或身体检查)，这将引发另一轮的数据获取。随着周期的重复，不确定性减少了，目标也变得更加清晰。当临床医生和患者充分排除了各种不确定性之后，诊断之旅就结束了
尽管临床医生对于将决策移交给预测工具一直犹豫不决，但他们已经在过程中的关键认知任务(例如，心电图的计算机解释)中使用了技术指导。支持动态诊断细化过程的人工智能工具应该帮助临床医生了解自己在诊断路径上的位置，并帮助他们选择最有可能减少不确定性的路径。临床医生仍然会分析数据并做出决定，但人工智能可以帮助医生降低认知负荷。
AI诊断的发展
为了开发寻路人工智能工具，需要生成新的数据资产类型。除了传统的以患者为中心的(临床)信息外，还需要新的以临床医生为中心的数据，以捕获临床医生在诊断过程中的行为(例如，临床医生在评估下腰痛患者时通常审查哪些数据)以及在此过程中围绕临床医生和患者的背景因素(例如，团队结构，患者数量)。鉴于诊断场景的广度，初始数据集应侧重于描述常见症状诊断过程中的信息处理和决策节点。
观察临床医生当前的诊断活动的数字足迹，将揭示人工智能在哪里可以优化信息导航和决策。这样做可以发现更有效和准确的诊断途径。例如，人工智能算法可以优先考虑肺结节切除，而不是传统的实验室检查、额外成像或观察期等中间步骤。这可能看起来不合逻辑或不正常，但人工智能系统不受对临床医生有意义的标准实践的约束，可能会揭示提示寻路指导的替代方法的安全性和效率。
目前的诊断AI还没有专注于支持诊断过程。然而在复杂的环境中，知道路径的方向是很重要的，人工智能「向导」可以帮助实现人类智能和人工智能的协同作用，共同实现卓越的诊断。
喜欢这篇内容的话欢迎关注我，或者点赞、评论、分享给其他读者吧！
不关注也没关系，我还是爱你的~
