Google研究：AI輔助臨床醫療影像判讀表現，會受人為與環境變數影響準確度

Google投入多項領域的AI輔助判讀醫療影像研究，以判斷糖尿病、心臟疾病、貧血、乳癌等，並宣稱媲美人類醫生。不過根據Google周一公布一項臨床測試顯示，AI要用在實際醫療情境還有許多難題要克服。

2017年Google發表研究成果，宣稱應用電腦視覺技術和深度神經網路演算法，從視網膜眼底鏡圖像中辨識出糖尿病視網膜病變，準確率高達90%，與專業醫師不相上下。2018年底Google宣布和泰國公共衛生部醫療服務部合作，由巴吞他尼（Pathum Than）省及清邁當地11家眼科診所，將眼底鏡影像上傳位於Google雲端的AI，同時也實地造訪診所，觀察護士使用AI的情形，並評估AI用於不同診所的可行性，將研究發表於《部署於診所的糖尿病視網膜病變，以人為中心之深度學習系統》報告。

理想情境下AI進行初級影像判讀後，再將可能的影像轉送給眼科醫師，這麼做可以減輕醫師的負擔。但研究發現人員使用出現問題。首先，視網膜影像的擷取和分級流程各診所之間應該一致，但研究人員發現，護士各有自己的作法。此外護士過度相信AI判讀能力，而過早將初級檢測為陽性的案例送交給眼科醫師。

診所的環境也大大影響影像品質的優劣。一些上傳的影像出現模糊或太暗的問題，則AI系統會視之為「不可分級」而拒絕。即使AI接受了，也可能發生誤判情形。而11家診所只有2家有夠暗的攝影場地，能讓瞳孔放大到拍攝清楚的眼底鏡影像。Google坦承未來AI系統訓練，可能需要涵蓋這些面向。

此外，診所網路頻寬也影響影像上傳速度，降低醫療服務。報告提及，有些診所頻寬小而不穩，致使一張影像上傳要花費60到90秒，使檢測速度大減。一家診所還曾因網路斷線數小時，使一天篩檢病患由200人減少為100人。

最後，一些病患並不相信AI能力而拒絕加入測試，他們還是寧願花時間到大醫院。