【科技．未來】要取代人類醫生，人工智能還欠甚麼？
雖然AI診症潛力龐大，但現階段並非無可挑剔。演算法的能力受限於它的訓練數據，若數據不夠多元，或會令這些診斷工具帶有種族偏見。例如，2017年一項有關兒童智能障礙的研究，就發現Face2Gene對於比利時白人唐氏綜合症兒童的診斷準確率為80%，但對剛果黑人只有37%。「我們知道這是需要處理的問題，隨着技術改進，偏見會愈來愈少。」Face2Gene開發公司FDNA的技術總監Yaron Gurovich 說。此外，不是所有疾病都可以用上述方法訓練演算法診斷。例如精神障礙的數據便缺乏正確的參考標準。美國國家精神衞生研究院（NIMH）前總監Steven Hyman指出：「你至少需要有一個真正獨立、強而有力的判斷準則。」以訓練演算法診斷皮膚癌為例，訓練數據中會有分類清晰的活體組織切片樣本，良性還是惡性黑白分明，但精神障礙的數據中沒有活體組織切片，至少現階段如此，「很多人都忘記了這一點。」 Hyman說。
現時以樣本照片訓練演算法或許十分順利，但Google在印度的試驗似乎反映出實地使用如何有別於實驗室研究。去年11月，當地一名病人報稱視力模糊，遙距醫療中心從地區診所收到六張照片，雖然部分圖片因為設備落後而不夠清晰，但醫療中心醫生Anusha Arunachalan仍能從照片中看到病人視網膜出血，診斷為增殖性糖尿病視網膜病變（proliferative diabetic retinopathy）。當時醫生們決定也讓Google診斷，結果其中兩張照片被判斷為增殖性，兩張為嚴重病變，剩餘兩張則被指影像太模糊而無法判斷。 【MORE】
