中山大学中山眼科中心近日发布消息称，该中心人工智能学科团队完成医疗AI（人工智能）医生多中心随机对照研究。研究显示，AI医生在真实临床门诊中准确率较人类医生低，但是AI诊断耗时短，表明现阶段的医疗AI可以在临床上辅助人类医生，提高工作效率。

该中心利用深度学习建立了“先天性白内障人工智能诊断决策平台”，把入组的儿童患者随机分成两组，分别进入由该平台接诊的人工智能门诊和具有5年临床经验的人类眼科医生接诊的专科门诊接受诊断，对比两组医生对先天性白内障诊断的准确性。AI医生在真实临床门诊中对先天性白内障的诊断准确率为87.4%，与试验训练阶段的准确率98.87%相比有差距，也低于人类专科医生的准确率，表明AI在实验室试验的训练结果并不能完全代表其真正的诊断能力。这一结果已经发表在国际权威医学期刊《柳叶刀》子刊E Clinical Medicine最新一期（2019 Mar）上。

这项研究似乎部分验证了之前的另一个消息，IBM人工智能医疗部门沃森健康大幅裁员五到六成，其“医疗AI宣告失败”。但消息并非完全准确，事实上不只IBM没有放弃医疗AI的探索，世界上更多的人工智能公司和医学研究机构都在联手，进一步加强这方面的研究。

不过，中山眼科中心的研究结果也再次明确了，现阶段医疗AI还不能落地，至多可辅助人类医生进行医疗和研究工作。

从技术上看，现代医疗（医学）更适合于采用现代技术，在科学逻辑上也更适应和吻合，即循证医学。现代医学需要通过随机双盲大规模临床试验和病例治疗以获得大数据支撑的对疾病治疗效果的证据。这些数据又可以通过计算机和AI的算法学习来对有明确病因、病症的疾病进行诊治。此外，现代技术也日益广泛而深入地渗透到医疗领域，如CT电子计算机断层扫描（CT）、磁共振成像（MRI）、心脑电图等。

因此，当世界上第一位AI医生——沃森医生问世之时，人们对其寄予了诸多希望，对其功能和真实效果的解读也或多或少夸大了。但后来的一系列研究表明，对医疗AI揠苗助长的心态不可有，沃森医生也会开错药。现在，中山眼科中心的研究同样发现，医疗AI在试验阶段的准确度会更高，但在实际诊治疾病时正确率会下降。

原因当然是多方面的，不过，人类疾病的发生、发展和转归都有无数的因素综合交织在一起，很多疾病机理连人类都还不清楚，更何况AI学习和体验的。致病因素不仅有生物的，如细菌、病毒、支原体等微生物，还有物理的，如声光电、温度和干湿度等，也有化学的，如苯并比、二恶英、各种杀虫剂、农药等。而无论是生理还是病理的作用，需要在活着的生物体中才能真实发生，例如很多酶都是需要在有机活体某一范围的温度下才有活性，并发挥作用;有些病毒需要生物体特殊的细胞结构才能入侵人体，如HIV入侵人体T细胞。

现阶段除了让医疗AI辅助人类医生以提高工作效率外，研发和应用应当侧重最容易学习也最有效果的一些领域。实践证明，有大量标注数据、规则清楚、图像和标志清晰、结果定义明确的疾病比较适合利用人工智能，如食道癌的诊断。此外，对于单一病种的细分领域，如心电图的判读，AI也有较高的准确率。

此外，AI进入医疗领域，也应有社会伦理和法律的制约。正如自动驾驶出现意外谁需要负责一样，如果AI诊治疾病出现误诊误治谁来负责，是AI？AI的设计者？抑或是AI的操作者？现在，一些国家已经在研究无人驾驶的各种问题，同样，AI应用于医疗也需要研究相应的法律责任和解决之道。解决了伦理和法律问题，在技术有了突破后，AI才能真正应用于各种领域。