史丹佛大學(xué)（Stanford University）計算機科學(xué)家團隊開發(fā)的人工智能（AI），在診斷胸部X光片上的肺炎時比人類放射科醫(yī)生更準確，不過人工智能并非取代，而是減輕放射科醫(yī)生的工作負擔(dān)。據(jù)報導(dǎo)，現(xiàn)在放射科醫(yī)生面臨的問題跟大多數(shù)專業(yè)人員一樣，即數(shù)據(jù)太多。

　　近幾十年來醫(yī)學(xué)圖象數(shù)量急劇增加，以前計算機斷層掃描只能拍攝身體的一個面向，現(xiàn)在可以捕獲所有面向，產(chǎn)生數(shù)百甚至數(shù)千幅高分辨率的圖象。IBM Watson Health估計，每年在美國進行大約8億次的放射科檢查，產(chǎn)生大約600億張圖象，等于每位放射科醫(yī)生每2秒鐘就得拍攝一次，龐大的工作負荷是為何放射科醫(yī)生盡管薪水高，但仍然短缺的原因。而人工智能可以減輕職業(yè)壓力，對于缺乏醫(yī)療資源的低度開發(fā)國家而言這項研究也深具意義。機器學(xué)習(xí)可以篩選人類可能會錯過的數(shù)據(jù)和點狀圖樣，但是至少到目前為止機器不知道如何處理這些信息。

　　IBM科學(xué)家讓計算機讀取上千張已患病的影像來生成一個模型，分析新的圖象，判斷是否有腫瘤，IBM Watson已經(jīng)能夠以76%的準確性診斷出皮膚損傷圖象上存在黑素瘤，高于8名皮膚科醫(yī)師的平均71%，IBM希望未來醫(yī)療人員只要將皮膚病變的照片上傳到人工智能應(yīng)用程序，就能知道罹癌的機率。

　　報導(dǎo)認為，由于人工智能是從人類識別的模式中學(xué)習(xí)，所以在特定知識上無法超越人類，這是人工智能的限制，但是在應(yīng)用這些知識時，人工智能可以更一致，且不帶偏見。多倫多大學(xué)研究人工智能專家Avi Goldfarb即指出，在現(xiàn)在許多日常人工智能應(yīng)用中，機器的作用是預(yù)測最相關(guān)選項并對其進行分類，但最后選擇權(quán)仍在人類。