Google研究：AI辅助临床医疗影像判读表现，会受人为与环境变数影响准确度

Google投入多项领域的AI辅助判读医疗影像研究，以判断糖尿病、心脏疾病、贫血、乳癌等，并宣称媲美人类医生。不过根据Google周一公布一项临床测试显示，AI要用在实际医疗情境还有许多难题要克服。

2017年Google发表研究成果，宣称应用电脑视觉技术和深度神经网络算法，从视网膜眼底镜图像中辨识出糖尿病视网膜病变，准确率高达90%，与专业医师不相上下。2018年底Google宣布和泰国公共卫生部医疗服务部合作，由巴吞他尼（Pathum Than）省及清迈当地11家眼科诊所，将眼底镜影像上传位于Google云端的AI，同时也实地造访诊所，观察护士使用AI的情形，并评估AI用于不同诊所的可行性，将研究发表于《部署于诊所的糖尿病视网膜病变，以人为中心之深度学习系统》报告。

理想情境下AI进行初级影像判读后，再将可能的影像转送给眼科医师，这么做可以减轻医师的负担。但研究发现人员使用出现问题。首先，视网膜影像的撷取和分级流程各诊所之间应该一致，但研究人员发现，护士各有自己的作法。此外护士过度相信AI判读能力，而过早将初级检测为阳性的案例送交给眼科医师。

诊所的环境也大大影响影像品质的优劣。一些上传的影像出现模糊或太暗的问题，则AI系统会视之为“不可分级”而拒绝。即使AI接受了，也可能发生误判情形。而11家诊所只有2家有够暗的摄影场地，能让瞳孔放大到拍摄清楚的眼底镜影像。Google坦承未来AI系统训练，可能需要涵盖这些面向。

此外，诊所网络带宽也影响影像上传速度，降低医疗服务。报告提及，有些诊所带宽小而不稳，致使一张影像上传要花费60到90秒，使检测速度大减。一家诊所还曾因网络断线数小时，使一天筛检病患由200人减少为100人。

最后，一些病患并不相信AI能力而拒绝加入测试，他们还是宁愿花时间到大医院。