近来，谷歌健康团队发布最新陈述，显现其2019年开端在泰国测验的一款人工智能体系表现出激烈的“不服水土”。这款人工智能体系经过调查视网膜相片，来判别患者是否患上糖尿病性视网膜病变，然而在泰国11家诊所落地后被排挤。
陈述显现，超五分之一的图画因为明晰度问题被体系回绝辨认，网络不畅构成图画迟迟无法上传，还有更多的时分体系无法给出明晰的确诊成果……因为上述原因护理们不得不重拍相片，患者也辗转至其他医院就诊。声称90％的准确度和几秒钟内给出专业定论的谷歌人工智能体系，显然在泰国不灵了。
远距离限制沟通、磨合功率
对此，清华大学隶属北京清华长庚医院眼科主任胡运韬以为：“美国工程师很难每次都到泰国调查出状况的原因，在实验室环境下成果不错，到泰国或许就不是那么回事了。”他剖析道，眼底相机功能、人员摄影才干、网络速度，都是导致人工智能体系“不服水土”的原因。比如开一辆豪车到乡下去，到山坡上颠两下简略颠坏。
记者了解到，糖尿病性视网膜病变作为一大公共卫生问题，被视为眼科疾病中最需求、也是最有望落地人工智能技术的范畴。胡运韬表明，现在人工智能体系在眼科范畴最适合的场景是体检和门诊及社区筛查，经过初筛把患者尽早分诊至二级以上医院做下一步医治，这将是削减糖尿病致盲的有力办法。
“不明晰的图画会对医师确诊带来应战，对人工智能来说也相同。”胡运韬以为，图画质量是AI医疗落地的关键要素，眼底图画首先应让专业医师能看清、能判读，这也是人工智能去辨认和判别的条件。要拍出明晰的图画牵涉到一系列现实问题，如眼底相机功能，摄影环境及技师操作水平，而实在国际中患者状况多样也是一大难题，年纪巨细、是否患过眼病、是否受过眼伤、是否做过相关手术等，都会导致所摄影眼底图画的明晰程度有差异。这要求在产品规划过程中工程人员要到现场和医师重复沟通、测验和不断磨合。
胡运韬还着重，人工智能体系对图画的承受“门槛”值得重视。对图画质量开展要求太苛刻，略微含糊一点就给回绝了，那么人工智能体系的落地就比较困难；对图画承受度较为广泛而且辨认才干强，落地天然更为顺利。
“不服水土”是AI医疗落地通病
10年前，胡运韬致力于糖尿病防盲作业时就等待呈现一款读片体系，经过初筛削减人力超负荷作业完成方便确诊。近几年，医院与各大科技公司开端联合研制人工智能检测体系，让这一主意得以完成。
而谷歌遇到的问题，关于国内大多数人工智能医疗研制人员来说并不生疏。“谷歌在泰国面对的问题，咱们在一线试点时大多数都碰到过。”国内人工智能创业公司Airdoc医学总监王斌对科技日报记者说，适配各种照相机，训练各种水平操作人员，面对各种网络环境，是人工智能体系落地时绕不开的难题。但比较谷歌的长途操控，国内研制人员经过不断的磨合与测验，这些落地困难根本克服了。现在，其开发的体系已经过临床试验进入最终的审评阶段。
王斌表明，一些落地问题看起来简略，却需求实地调查才干发现。如在一些医疗条件下，因为没有很好的暗环境而导致摄影时简略发生不合格的眼底图画，关于这样的一个问题，其团队规划制作了一块小挡板，在眼睛和镜头之间的部分方位构成暗环境，成功摄影合格图片。
此外不断增进医师和护理等对体系的了解也是落地需求处理的问题之一。王斌表明，关于这样的一个问题，能够在体系中规划一个主动的质量操控预警模块，当体系发现质量不抱负的图画时就能追寻原因，便于工程师和医护人员的沟通和评论。
在王斌看来，国内外AI医疗的开展的新趋势杰出，仅仅谷歌开发团队和试用医师未能处于同一环境，沟通改善的功率随之受必定的影响，再加上泰国当地的网络环境、设备环境、现场训练条件不行抱负，多种要素叠加导致了AI体系暂时的“不服水土”。
