Google Health的用户体验研究者Emma Beede发表了一篇博客，介绍2018-2019年在泰国11家医院部署基于深度学习的糖尿病性视网膜病变（DR）诊断系统的实际使用情况。

这套系统在实验室环境下达到了专家水平（准确率>90%），但在实际应用中遇到了各种困难：

  • 护士非常忙碌，加之光线不好，拍的片子有1/5被系统拒绝，只能再找大夫，可能要再来一次，而其中护士自己就能看出很多没有问题。
  • 片子要上传云端，网速慢，影响诊断速度。
  • 病人并不关心是不是AI在看病，他们对体验更重视，如果更麻烦，他们就不愿意接受。（这一条其实也可以说对AI是利好。）

这一研究的论文已提交到CHI‘20（由于新冠疫情未举行）。

国内一些媒体对此的报道过于负面，其实与文章作者本意不符。实际上大部分情况下，护士和医生的效率是有提升的。文中提到了有一名护士“势不可挡”，筛查了1000名病人。

这一研究的价值在于，AI落地的过程中，除了人工智能技术，用户体验、产品的研究也非常重要。

MIT技术评论的报道：https://www.technologyreview.com/2020/04/27/1000658/google-medical-ai-accurate-lab-real-life-clinic-covid-diabetes-retina-disease/

TechCrunch的报道：https://techcrunch.com/2020/04/27/google-medical-researchers-humbled-when-ai-screening-tool-falls-short-in-real-life-testing/

Reddit上的讨论：https://www.reddit.com/r/MachineLearning/comments/g9gs5j/n_googles_medical_ai_was_super_accurate_in_a_lab/

内容中包含的图片若涉及版权问题，请及时与我们联系删除