博翔科技為專業機械設備歐規/台灣TS標章/美規及半導體設備SEMI S2輔導顧問公司
博翔對於各類機械的安全技術 安全開關 安全模組 安全繼電器模組 安全繼電器 緊急停止 安全元件 歐盟電路設計 安全迴路 安全設計
由於科技的進步，各種無線通訊設備及數位裝置技術的高度發展，電磁干擾已成為電子時代中世界各國關注的問題。
機械產品的製造為迎向消費市場需求，亦朝向高速度、高精度、自動化且大量使用數值控制而使機械產品電磁干擾問題更加複雜
而博翔科技協助您解決相關安全技術問題以專業級檢測與規畫經驗並協助各種機械廠快速獲得相關認證
邀請您一起邁向世界的安全技術頂端
請立即點擊上方圖片了解更多細節吧！
好文分享
... 在這場疫情中，有一個行業獲得了巨大的關注，那就是人工智慧。不少人寄希望於人工智慧，覺得它可能會是幫人類戰勝病毒的強大武器。我看到報導說，微軟最近就和美國多所頂級大學合作，成立了一個聯合研究所，專門利用人工智慧技術尋找攻克新冠肺炎的方法。 除了分析病毒，人工智慧還有一個應用場景是做醫學診斷，也就是俗話說的「看病」。在這方面，中國動作非常快。疫情期間，武漢大學人民醫院等一百多家醫療機構引進了依圖公司開發的「胸部CT新型冠狀病毒肺炎智能評價系統」。百度、騰訊、商湯等公司也都推出了自己的新冠肺炎AI診斷工具。 其實在此之前，人工智慧進入臨床應用就已經是一個熱門領域了。美國的一份數據顯示，2018年美國有84%的放射診所已經使用或正在準備使用人工智慧算法檢查醫療影像。矽谷知名的技術領域投資家維諾德·科斯拉（Vinod Khosla）甚至預測說，算法將會取代80%的醫生。 不過我很好奇，人工智慧到底是怎麼看病的，真的比人類醫生厲害嗎？最近我剛好在《環球科學》上看到一篇文章，詳細講了這個領域最新的發展情況。文章說，人工智慧在做診斷方面確實非常牛，它很有可能會給整個醫療行業帶來顛覆性的變化。只不過，它至今依然有兩個問題難以解決，一個是「黑盒效應」，一個是醫療責任。 在今天的內容中，我就來跟你分享一下這篇文章的內容。 在臨床領域，人工智慧最主要的應用就是分析患者的醫學影像，評估患者是否得病。 你可能覺得，看片子這件事，醫生不就能幹嗎，還需要人工智慧幹嘛？我想告訴你的是，算法的準確率非常高，在一些疑難病例上，它甚至能比人類醫生作出更準確的判斷。 文章里講了這樣一個故事：2012年，麻省理工學院教授巴爾齊萊做了一次乳房X光檢查。影像顯示，她的乳房組織里有一些白色斑點，醫生也說不清到底是什麼，但讓她不用擔心。2014年，巴爾齊萊又做了檢查，被確診為乳腺癌。這麼說來，巴爾齊萊兩年前就得了癌癥，只是醫生沒看出來。 好在巴爾齊萊在接受治療後康復了，但她對診斷過程感到非常失望，就決定做點什麼。巴爾齊萊自己就是一名計算機科學家，於是她組建了團隊開發人工智慧算法，通過女性的乳房影像來判斷乳腺癌。五年後，算法開發成功。實驗結果顯示，算法預測癌癥的準確率上大大超越了臨床通用的方法。 有意思是，巴爾齊萊把自己2012年拍的那張乳房影像也輸入了程序。你猜結果如何？程序給的診斷是：她在5年內患乳腺癌的風險高達98%。算法完美地戰勝了人類醫生。 除了準確率高，人工智慧看病還有一個厲害之處，就是能科學地標記治療優先級。有一項調查發現，放射科醫生在給醫學掃描影像評級時，標記為高優先級的居然高達60%。這顯然不科學，說明醫生們很可能花費了大量時間處理那些不算嚴重的病例，而真正緊急的病例卻因此耽誤了治療時機，甚至因此喪命。 在這一點上，人工智慧的優勢就凸現出來了，因為機器可以短時間內處理大量數據，從宏觀上作出更好的判斷。去年9月，美國食品藥品監督管理局批準了一套AI算法工具，能自動標記出最緊急的病例，讓醫生優先治療，這能大大節省醫生的時間和精力。 這就是人工智慧做診斷的兩大優勢：準確率高，又能提高診療效率。那你或許覺得，既然如此，就直接讓人工智慧代替人類醫生來看病不就行了嗎？可惜，還不行。人工智慧有兩個棘手的難題沒有解決。 第一個難題，是「黑盒效應」。簡單來說，由於算法是通過數據自我學習，它是怎麼做判斷的，人類很難理解。就像是在看一個黑盒子，你不清楚裡面到底是什麼結構，工作原理是怎樣的。 《美國醫學會雜誌》去年發表了一篇論文，說研究人員用了8.5萬張X光片訓練出了一個人工智慧算法，用來評估患者的死亡風險，準確率很高。為了知道它是怎麼做判斷的，研究人員檢查了影像中被算法納入評估的區域，結果發現算法居然檢查了肩胛骨下方的區域，可這個地方並沒有已知的醫學意義。 啥意思呢？就好比說，算法覺得一個人胳膊抬不高，壽命就比較短，這根本說不通。所以你看，算法並不是從底層原理預測，它們的預測方式不可理解。這樣的話，如果算法判斷患者有病，醫生沒看出來，他又該怎麼向患者解釋呢？ 有時，算法甚至會違反基本常識或倫理。比如，在紐約的西奈山伊坎醫學院，研究人員開發了一個識別肺炎的算法，在評估影像時，算法居然把影像來自哪家醫療機構也納入了評估範圍。也就是說，如果片子來自肺炎確診率較高的醫院，那算法判斷患者患了肺炎的幾率就會更高。可是，這種評估策略明顯是有缺陷的，算法應該只評估片子本身，而不應該考慮片子來自哪家醫院。 打個比方，這就好像是你讓算法看照片辨認誰是小偷。算法在之前的訓練數據中發現，黑人是小偷的比例很高，所以它碰到黑人的照片，就更容易認定為小偷。顯然，膚色不應該成為判斷依據，人工智慧無意中就涉嫌了種族歧視。 這是第一個難題：黑盒效應。第二個難題是醫療責任問題。 現代醫療體系對於醫療責任的劃分是很明確的，醫生作出了錯誤的診療，就要承擔責任。如果人工智慧診斷失誤，而醫生又根據人工智慧的判斷作出了錯誤的治療措施，那算醫生的責任還是算法的責任？在醫療訴訟中，這就會成為問題。 還有，算法也會「生病」，它並不是百分百可靠。隨著時間推移，算法會從很多種不同類型的數據中提取新的含義，進行自我學習。假設醫院換了新的軟體系統，帶來的數據上的變化破壞算法的有效性，而醫生們又不知道，等發現有問題已經晚了。要是在這種情況下發生醫療糾紛，那你說，是算法開發企業的責任，還是醫院自身使用不當的責任？ 對於這些問題，人工智慧並不關心，也解決不了。它們是屬於社會層面的問題，需要人來探討解決方案。 好了，總結一下，在今天的頭條文章中，我跟你分享了人工智慧進入臨床診斷領域的進展。總的來說，人工智慧的優勢是診斷準確率高，還能提高診療效率。但它也有兩個難題，一個是黑盒效應，這讓算法的診斷變得難以解釋；另外，如果出現診療失誤，醫療責任劃分需要明確。在這兩個問題沒有解決之前，人們還不能放心地把看病這件事徹底交給人工智慧。 不過看完這篇文章，我也有一個重要發現，那就是：人工智慧在臨床領域的價值，並不在於它的診斷準確率有多高，而在於它能更合理地分配和調用醫療資源。未來可能會出現這麼幾個變化： 第一個變化出現在醫療系統內部。人工智慧或許不會取代人類醫生，但那些使用人工智慧輔助的醫生，可能會取代不使用人工智慧的醫生。 第二個變化是，人工智慧會在發展中國家找到巨大的市場。文章中提到，現在有企業正在開發一種人工智慧輔助診斷程序，在手機上就能運行。醫療資源落後地區的醫生如果能用上這類AI程序，肯定能明顯提升自身的診療能力。 第三個變化出現在醫患之間。不光醫生能用人工智慧，患者也能用。我看有報導說，谷歌正在和美國政府合作創立一個人工智慧網站，用戶可以上傳病歷，讓算法先做診斷，再決定是否要進一步尋醫問藥，這也能減少過度檢查和過度醫療的情況。 總而言之，人工智慧會讓整個醫療體系的運轉更高效，這可比單純會「看病」更有價值。 ——選自《邵恆頭條》
TTT77941YYDDEE156365GG
文章來源取自於：
每日頭條 https://kknews.cc/science/x49xzxo.html
如有侵權，請來信告知，我們會立刻下架。
DMCA：dmca(at)kubonews.com
聯絡我們：contact(at)kubonews.com
台北緊急停止開關接線新竹PlayStation符合歐盟歐規電路設計高雄冷氣/暖氣安全迴路設計台南安全繼電器設計與電路設計台南液晶電視/OLED符合歐盟歐規電路設計
台北踏墊開關設計與電路設計 桃園廚衛三機符合歐盟歐規電路設計 機械操作標示貼紙，工安標示貼紙製作批發與設計桃園鉸鏈門用安全開關 高雄滾筒洗衣機符合歐盟歐規電路設計 每一極皆提供雙重連接能力，可個別或同時打開新竹接頭中繼接線盒（無效化終端）設計與電路設計 新竹HW系列緊急停止用按鈕開關﹝一體型﹞ 能輕易繞送電位台北邊緣檢測開關設計與電路設計 台南多點控制的繼電器元件設計與電路設計 警示貼紙製作批發與設計
留言列表
