在这场疫情中，有一个行业获得了巨大的关注，那就是人工智能。不少人寄希望于人工智能，觉得它可能会是帮人类战胜病毒的强大武器。我看到报道说，微软最近就和美国多所顶级大学合作，成立了一个联合研究所，专门利用人工智能技术寻找攻克新冠肺炎的方法。
除了分析病毒，人工智能还有一个应用场景是做医学诊断，也就是俗话说的“看病”。在这方面，中国动作非常快。疫情期间，武汉大学人民医院等一百多家医疗机构引进了依图公司开发的“胸部CT新型冠状病毒肺炎智能评价系统”。百度、腾讯、商汤等公司也都推出了自己的新冠肺炎AI诊断工具。
其实在此之前，人工智能进入临床应用就已经是一个热门领域了。美国的一份数据显示，2018年美国有84%的放射诊所已经使用或正在准备使用人工智能算法检查医疗影像。硅谷知名的技术领域投资家维诺德·科斯拉（Vinod Khosla）甚至预测说，算法将会取代80%的医生。
人工智能的优势是诊断准确率高，还能提高诊疗效率。但它也有两个难题，一个是黑盒效应，这让算法的诊断变得难以解释；另外，如果出现诊疗失误，医疗责任划分需要明确。在这两个问题没有解决之前，人们还不能放心地把看病这件事彻底交给人工智能。
《环球科学》一篇文章，详细讲了这个领域最新的发展情况。文章说，人工智能在做诊断方面确实非常牛，它很有可能会给整个医疗行业带来颠覆性的变化。只不过，它至今依然有两个问题难以解决，一个是“黑盒效应”，一个是医疗责任。
人工智能在临床领域的价值，并不在于它的诊断准确率有多高，而在于它能更合理地分配和调用医疗资源。未来可能会出现这么几个变化：
在临床领域，人工智能最主要的应用就是分析患者的医学影像，评估患者是否得病。
你可能觉得，看片子这件事，医生不就能干吗，还需要人工智能干嘛？我想告诉你的是，算法的准确率非常高，在一些疑难病例上，它甚至能比人类医生作出更准确的判断。
文章里讲了这样一个故事：2012年，麻省理工学院教授巴尔齐莱做了一次乳房X光检查。影像显示，她的乳房组织里有一些白色斑点，医生也说不清到底是什么，但让她不用担心。2014年，巴尔齐莱又做了检查，被确诊为乳腺癌。这么说来，巴尔齐莱两年前就得了癌症，只是医生没看出来。
好在巴尔齐莱在接受治疗后康复了，但她对诊断过程感到非常失望，就决定做点什么。巴尔齐莱自己就是一名计算机科学家，于是她组建了团队开发人工智能算法，通过女性的乳房影像来判断乳腺癌。五年后，算法开发成功。实验结果显示，算法预测癌症的准确率上大大超越了临床通用的方法。
有意思是，巴尔齐莱把自己2012年拍的那张乳房影像也输入了程序。你猜结果如何？程序给的诊断是：她在5年内患乳腺癌的风险高达98%。算法完美地战胜了人类医生。
除了准确率高，人工智能看病还有一个厉害之处，就是能科学地标记治疗优先级。有一项调查发现，放射科医生在给医学扫描影像评级时，标记为高优先级的居然高达60%。这显然不科学，说明医生们很可能花费了大量时间处理那些不算严重的病例，而真正紧急的病例却因此耽误了治疗时机，甚至因此丧命。
在这一点上，人工智能的优势就凸现出来了，因为机器可以短时间内处理大量数据，从宏观上作出更好的判断。去年9月，美国食品药品监督管理局批准了一套AI算法工具，能自动标记出最紧急的病例，让医生优先治疗，这能大大节省医生的时间和精力。
这就是人工智能做诊断的两大优势：准确率高，又能提高诊疗效率。那你或许觉得，既然如此，就直接让人工智能代替人类医生来看病不就行了吗？可惜，还不行。人工智能有两个棘手的难题没有解决。
第一个难题，是“黑盒效应”。简单来说，由于算法是通过数据自我学习，它是怎么做判断的，人类很难理解。就像是在看一个黑盒子，你不清楚里面到底是什么结构，工作原理是怎样的。
《美国医学会杂志》去年发表了一篇论文，说研究人员用了8.5万张X光片训练出了一个人工智能算法，用来评估患者的死亡风险，准确率很高。为了知道它是怎么做判断的，研究人员检查了影像中被算法纳入评估的区域，结果发现算法居然检查了肩胛骨下方的区域，可这个地方并没有已知的医学意义。
啥意思呢？就好比说，算法觉得一个人胳膊抬不高，寿命就比较短，这根本说不通。所以你看，算法并不是从底层原理预测，它们的预测方式不可理解。这样的话，如果算法判断患者有病，医生没看出来，他又该怎么向患者解释呢？
有时，算法甚至会违反基本常识或伦理。比如，在纽约的西奈山伊坎医学院，研究人员开发了一个识别肺炎的算法，在评估影像时，算法居然把影像来自哪家医疗机构也纳入了评估范围。也就是说，如果片子来自肺炎确诊率较高的医院，那算法判断患者患了肺炎的几率就会更高。可是，这种评估策略明显是有缺陷的，算法应该只评估片子本身，而不应该考虑片子来自哪家医院。
打个比方，这就好像是你让算法看照片辨认谁是小偷。算法在之前的训练数据中发现，黑人是小偷的比例很高，所以它碰到黑人的照片，就更容易认定为小偷。显然，肤色不应该成为判断依据，人工智能无意中就涉嫌了种族歧视。
这是第一个难题：黑盒效应。第二个难题是医疗责任问题。
现代医疗体系对于医疗责任的划分是很明确的，医生作出了错误的诊疗，就要承担责任。如果人工智能诊断失误，而医生又根据人工智能的判断作出了错误的治疗措施，那算医生的责任还是算法的责任？在医疗诉讼中，这就会成为问题。
还有，算法也会“生病”，它并不是百分百可靠。随着时间推移，算法会从很多种不同类型的数据中提取新的含义，进行自我学习。假设医院换了新的软件系统，带来的数据上的变化破坏算法的有效性，而医生们又不知道，等发现有问题已经晚了。要是在这种情况下发生医疗纠纷，那你说，是算法开发企业的责任，还是医院自身使用不当的责任？
对于这些问题，人工智能并不关心，也解决不了。它们是属于社会层面的问题，需要人来探讨解决方案。
第一个变化出现在医疗系统内部。人工智能或许不会取代人类医生，但那些使用人工智能辅助的医生，可能会取代不使用人工智能的医生。
第二个变化是，人工智能会在发展中国家找到巨大的市场。文章中提到，现在有企业正在开发一种人工智能辅助诊断程序，在手机上就能运行。医疗资源落后地区的医生如果能用上这类AI程序，肯定能明显提升自身的诊疗能力。
第三个变化出现在医患之间。不光医生能用人工智能，患者也能用。我看有报道说，谷歌正在和美国政府合作创立一个人工智能网站，用户可以上传病历，让算法先做诊断，再决定是否要进一步寻医问药，这也能减少过度检查和过度医疗的情况。
总而言之，人工智能会让整个医疗体系的运转更高效，这可比单纯会“看病”更有价值。