“为什么我们看到医学实践中很少使用机器学习工具?”这就是研究科学家Martin Seneviratne博士在GP19大会上发表的关于医疗人工智能(AI)实施差距的演讲的方式。

他问，鉴于对这一领域的大量研究，为什么医生目前无法使用机器学习?Seneviratne博士认为，研究人员和医生不应忽视AI的最终目标。

'任何技术都必须帮助临床医生帮助患者。技术必须适合临床目的。然后，Google临床信息专家在GP19全体会议演讲中概述了关键挑战。

人工智能将意味着医生的终结吗?他说，大多数研究人员对此表示不同意见。``相反，观点是使用AI的医生将取代不使用AI的医生。

``我喜欢它的想法是像MRI一样，它是一种可以使用的工具。当他们出来的时候，他们被预测会取代放射线医生-相反，它催生了一个新学科。

Seneviratne博士说，人工智能可以在几个狭窄的领域胜过人类-包括基于图像的诊断。他列举了增强现实显微镜等领域的进展，其中AI实时围绕可疑病变绘制轮廓。

他说，症状检查工具可能非常有用，特别是在资源匮乏且医疗保健最少的情况下。但是Seneviratne博士指出，在医疗AI工具的承诺和早期测试及其广泛部署之间存在重大实施差距。他说，从论文中的高性能算法到实践已经有了巨大的飞跃。

“在过去的12个月中，该领域已经发表了3800多篇论文，但只有一小部分得以部署。”Seneviratne博士说，全科医生参与的关键机会。他说，临床医生可以发挥关键作用，突出需要解决的临床痛点。

另一个挑战是收集质量足够高的大型数据集，以便能够训练机器学习工具。他说，如果您关心问题，请收集有关问题的数据。``我们收集的初级保健数据越多，人工智能将提供更多帮助的机会。''

Seneviratne博士说，围绕可操作性，纠正数据偏差，黑盒问题(这些AI算法如何真正得出结论)以及通用性等问题存在突出的问题。他呼吁建立一个管理医学AI使用的框架，该框架类似于药物临床试验中使用的框架。

他说：“我们需要在实际工作环境中进行有控制的使用，使用与制药或医疗设备类似的文化，并进行道德审查，监管监督和沙盒测试–在受控环境中进行测试。”