【科技．未来】AI诊症匹敌人类医生 可否知疾病成因？
本月初，Google再次发表人工智能（AI）应用医疗研究成果，显示AI诊断乳癌的准确率能匹敌人类医生。过去几年，几乎每数个月就有一宗类似的消息，包括在糖尿病视网膜病变、肾病、肺癌、脑瘤等诊断上。当这些成果愈来愈多，人们难免期待：AI可否在诊症之余知道疾病的成因？现时单凭数据深度学习的AI，其智能能否进一步发挥？
乳癌是女性最常见的癌症。现时医学界建议女性定期接受乳房X光造影（mammogram）检查，及早检测预防，但乳房X光造影并非完美。Google研究员Shravya Shetty解释：“乳房X光造影很有效，但仍然明显有伪阴性和伪阳性结果的问题。”
本月初，科学期刊《自然》（Nature）发表了一篇论文，当中由Google Health、DeepMind及多间医疗机构组成的团队，以76,000名英国女性和15,000名美国女性经匿名处理的乳房X光造影，训练AI诊断乳癌；再分别以25,000名英国女性和3,000名美国女性经匿名处理的乳房X光造影，测试AI的诊断能力。结果，在美国女性方面，Google AI能分别减少伪阴性和伪阳性结果9.4%和5.7%；英国女性方面则减少了2.7%和1.2%。另一研究作者Christopher Kelly对结果甚为满意：“这模型比一名英国或美国放射科医生更好。”
Google是次成果，是近年不断出现AI诊症效果能媲美人类医生的又一个例子。Google去年5月于学术期刊《自然医学》发表研究，显示Google AI凭电脑断层扫描（CT）诊断逾6,700个肺癌个案，成功率达94%；在没有过往扫描记录下，其诊断甚至比六名放射科专家更少出现伪阴性或伪阳性结果。DeepMind去年7月宣布，他们利用美国退伍军人事务部（VA）的数据训练机器学习演算法，能够在急性肾损伤（AKI）病发48小时前，诊断出90%需要洗肾的严重病人。
本月初刊于《自然医学》的另一项研究显示，美国纽约大学、密歇根大学等组成的团队成功利用AI加快脑瘤分析诊断─传统上需要从病人取得肿瘤样本，送到实验室冷冻及染色后在显微镜下观察，一般需时20、30分钟或更长；新方式则在取得样本后以激光扫描成影像，可直接在手术室中以经训练的AI诊断，只需两分半钟，且准确率达94.6%，胜过人类医生的93.9%。美国贝斯以色列女执事医疗中心（BIDMC）就以AI预测哪些病人较可能缺席复诊或错过治疗时机，以及早介入。
“第二双眼”的AI
Google的乳癌诊断AI并非毫无缺憾，在某些人类医生诊断出癌症的个案中，AI却“走漏眼”。“有时，全部六名美国医生都发现是癌症，AI却错过了，也有相反情况。”美国西北大学研究员、该研究报告的另一作者Mozziyar Etemadi对《华尔街日报》说。但Google仍希望AI最终能临床应用，现正确保研究成果能适用于不同族群。
Shetty强调，AI的作用是帮助放射科医生，而非取代他们：“他们各有强项，是互补关系。有些个案，放射科医生能成功诊断而AI错过了，反之亦然。将两者结合可增强整体的准确率。”例如，在美国，乳房造影一般由一名放射科医生判读，但英国则要求最少有两名放射科医生，若两人意见不一致，则进一步由第三甚至第四名医生检查。Kelly说：“模型表现比英国和美国的单一放射科医生更好。在英国……我们在统计上也做到同样水平，但没有更佳效果。”
根据英国皇家放射科医学院（RCR）的数据，该国医疗人手短缺，缺乏至少1,104名放射科医生。现时英国有542名乳房放射科专科医生，但医院中仍有8%的岗位空缺。Google Health总监Dominic King认为，若第二名诊断医生由AI顶上，有助减轻人手压力，并透露有些放射科医生因而希望Google研发扫描筛查的AI：“有一群英国的乳房放射科高级医生在三至四年前联络我们，说他们认为能够在这个领域使用AI，也应该开始思考科技如何支持医疗服务的可持续性，因为现时延迟诊断的情况太严重。”故此，研究还评估演算法可如何与人类放射科医生合作。在88%的案例中，AI与人类医生的诊断相同，换言之，只有12%的扫描需要再由一名人类医生诊断。
没有参与研究的RCR临床放射科副主席Caroline Rubin强调，不论这类研究结果如何成功，AI都无法完全取代放射科医生，但可以辅助他们：“就如其他医疗服务，乳房造影乃至于整个英国放射科都面临人手短缺问题，并渴望得到帮助。AI程式不会解决人类员工不足的危机，因为放射科医生及造影团队的工作远不止于判读扫描，但以AI作为第二双眼睛和安全网，毫无疑问有所助益。”
心脏科医生及遗传学家Eric Topol则在去年3月出版的著作《Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again》中提出，AI可让医生有更多时间接触病人，修复医患关系。他对科技媒体The Verge解释：“病人其实没有得到公道对待，因为看医生的时间实在太短，甚至连眼神接触都没有。也不只是时间，医生变成数据文员而分心，无法成为好的聆听者……现在有一个前所未有的新机会，让我们把握和恢复已失去的关怀照顾。”
要把AI应用在医疗之上，监管是必须通过的一关。台湾长庚医院医疗人工智能核心实验室主任郭昶甫就向《天下杂志》提出对AI“黑箱”的经典质疑，即AI模型建立过程复杂，而且无从得知它如何作出决定，使用时或会出现信任问题，一旦错判，如何检验和追究责任也成疑问。他举例，每天能接受手术的人数有限，医院按病情的严重情况决定谁能先进手术室，但若由AI透过辅助诊断来安排顺序，“我们能不能信任AI所作的决定？”
台湾卫生福利部食品药物管理署署长吴秀梅反指，即使AI的判断过程不透明，只要能确认它的准确程度就能把关：“就像我不会造车，可是我会开车，就知道车子有没有出毛病，道理是一样的……要回到我们的目的，就像车子能不能正常上路一样。”
“深度”学习的AI
然而，对一些更着眼于基础前沿的专家来说，AI能否就其判断作出解释，意义远不止于信任问题，而是关乎AI从根本上到底有多少潜力、可否迈向真正智能。
深度学习利用人工神经网络，以数学的方法形成和加强事物的关联，大致模仿人类神经元和突触的方式“学习”。数据如影像和声音会被输入到神经网络，训练它直至能以正确的方式反应。问题是，深度学习及大部份的机器学习方式，都只懂在庞大数据中找出规律和关联，但关联不等同任何因果关系。何况，即使数据中可能蕴含因果关系，通常是暧昧模糊，甚至更多时因为变项缺失、观察方法、杂讯或偏见等而难以确立。因此，现时绝大部份机器学习系统都缺乏因果关系的推论能力。
固然，在一些领域，AI仍能够发挥它辨识规律的强大能力，心理学家Robin Hogarth称之为“友善的学习环境”。在这个环境下，规律会一而再再而三出现，反馈通常快速而准确─因此，现时的机器学习系统通常都是非常专门、有针对性、为完成某个特定任务训练而成。一个深度学习程式可被训练成能极准确辨认图片中的物件，只要它看的训练影像足够多和有足够的电脑运算能力。又如象棋和围棋，棋子在确切定义的边界和规则下移动，AI可在这类领域压倒人类，不论是1997年的深蓝（Deep Blue），还是2016年的AlphaGo。
图像诊症亦如是，数据组相对上具结构而独立，要完成的任务也有清晰定义，更莫说AI能24小时工作，只是它无法解释为什么判断某张影像表示患病。但是，现实中并非所有医疗领域都如此“友善”，很多医疗应用需要回答的问题是，会令治疗更复杂的共病是什么？若某病人不吃某种药改吃另一种药，会怎样呢？Hogarth形容这些为“恶劣”的学习环境。
在没有针对真实情况的外在模型引导下，以数据为中心的AI有何局限？2015年曾有一项研究想制造一个肺炎风险评估AI系统，就是一个被广为引用的例子。该AI从真实医疗数据“学懂”的，竟然是哮喘患者不太可能死于肺炎。研究人员追查这奇怪结果后发现，AI忽略了在数据背后，医院一项实际措施：同时患有哮喘和肺炎的病人会被直接送到深切治疗部，因而接受更高规格的照料，相比其他没有得到相同照顾的哮喘病人，自然死亡的可能性较低。但该模型却因为这缺憾，错误建议这些明明高危的哮喘病人不应该被送往深切治疗部。
2018年，麻州理工学院（MIT）电子工程和计算机科学副教授David Sontag在博劳德研究所（Broad Institute）的演说中，把这种只从临床数据学习的模型称为“非结构”的，意指它欠缺一个由工程师或科学家编定的外在结构，来表示不同变项之间的因果连结。他认为，最多只能寄望它们与人类医生有相若的能力，即可以是一个不可靠的资讯来源，以及很多时会作出错误的判断。
深度学习演算法在泛化（generalization）方面也不在行，即是要把在某个脉络下学习所得应用到另一脉络时会出现困难。2018年图灵奖得主Yoshua Bengio解释：“系统性泛化是人类把已知概念普遍化的能力，所以，它们可以以新的方式结合。现时机器学习不知道如何做到，所以你经常会有以某个特别数据组训练的问题。例如你在某个国家训练AI，但将它应用在另一个国家，就需要泛化和迁移学习（transfer learning）。你如何训练出一个神经网络，即使你把它转移到新的环境，它仍然能够运作良好或快速适应？”
继续阅读︰
相关文章︰
上文节录自第198期《香港01》周报（2020年1月20日）《诊症媲美医生 但AI可知疾病成因？》
更多周报文章︰【01周报专页】
《香港01》周报，各大书报摊及便利店有售。你亦可按此订阅周报，阅读更多深度报道。