医疗保健中的AI-伦理考量
鉴于最近在医疗保健领域大力推广分析和机器学习的成果，为什么医生还没有被计算机取代？事实是，在医疗保健中实施分析存在许多障碍。这项技术引入的伦理问题也受到了激烈的辩论，必须予以考虑。最后，尽管障碍意味着有可能被克服，但该技术也有局限性，或者可能很快将无法解决的方面。让我们在本节中讨论所有这三个方面。
障碍物
为了使分析广泛用于改善医疗保健，当前必须克服哪些障碍？
传统上，医疗保健一直在缓慢采用新兴技术，这是必须克服的挑战。医疗保健已被描述为一个保守的领域，它很难适应变化。例如，在医院中最初使用电子血压袖带的想法遭到了一些最初的抵制。电子病历的发展也面临着怀疑和抵制，因为人们担心电子病历会远离患者与医生的互动并增加书写笔记所需的时间。分析和机器学习当然也不例外。它只是另一种陌生的新技术，尽管汽车和制造业等行业几乎没有接受它，但是医疗保健可能会是另一回事。
医生抵制分析和机器学习的一个重要的潜在根本原因可能是担心计算机试图“接管”或“替代”医生。当然，就金钱，技术和时间而言，我们距离进行对话还有很长的路要走。我们在本书中讨论的机器学习研究是在非常具体的任务中进行训练的，当然，它们在训练和解释时依赖于人类的直觉和判断。通过使用团队方法，成功的健康分析和机器学习将更有可能获得成功，其中将人的力量（例如通用性和知识广度）与计算能力（速度和计算精度）相结合，以产生最佳结果。仍然，
对分析持怀疑态度的另一个原因是“希望与炒作”的争论。诸如“大数据”和“深度学习”之类的流行语有时会带有负面含义，因为它们周围充满了炒作。有人认为在这些领域的信念被夸大了。具体而言，对分析和机器学习的怀疑者认为，大多数大数据应用程序虽然“听起来很酷”，但很少能挽救生命或节省金钱。当然，这些担忧是正确的。所有机器学习研究都应努力为社会做出积极贡献，而不是简单地证明可以做些什么。
尽管机器学习领域不断变化，但是时间序列和自然语言处理在医疗保健领域尤其重要，并且这些领域是机器学习算法的弱点，与结构化临床数据相反。可能需要一段时间才能编写出一种算法，该算法可以读取文本，进行概括并像人类一样询问相关问题。
伦理道德问题
伦理学一直是考虑包括计算机科学在内的新技术的一部分，在此不容忽视。医疗保健分析引入了哪些道德问题？
我认为，最重要的是无法为人类的感受和无痛感赋予价值或数值。许多机器学习模型都是使用成本函数进行训练的。成本函数应该是什么？是否应该基于降低成本，提高质量和结果或减轻痛苦和伤心欲绝？谁来决定应遵循这些看似相反的目标的比例？
人工智能引入的另一个道德问题是责任问题。如果机器学习模型做出错误的预测，那么谁应该负责？应该由医生来监督病人吗？还是应该由数据科学家团队来建立模型？
第三个问题在于患者隐私领域。使用患者数据训练模型是否正确？是否需要同意？应该允许使用哪些数据点？
最后，存在偏差问题。有人担心预测患者的结果可能取决于种族，性别和年龄等因素。这可能导致患者歧视。
局限性
局限性是医疗分析中无法克服的那些方面。医疗保健分析有哪些局限性？
机器人和计算机不是人类，它们目前无法替代人类面对痛苦，疾病或死亡时提供安慰和同情的能力。
尽管诸如神经网络之类的技术可能提供准确的预测，但它们却受到黑匣子问题的困扰，它们无法向患者解释其推理或逻辑。因此，患者可能无法像患者信任好医生那样完全信任神经网络。
1