近日，谷歌健康团队发布最新报告，显示其年开始在泰国测试的一款人工智能系统表现出强烈的“水土不服”。这款人工智能系统通过观察视网膜照片，来判断患者是否患上糖尿病性视网膜病变，然而在泰国11家诊所落地后被排斥。
报告显示，超五分之一的图像因为清晰度问题被系统拒绝识别，网络不畅造成图像迟迟无法上传，还有更多的时候系统无法给出明确的诊断结果……由于上述原因护士们不得不重拍照片，医院就诊。号称90%的准确度和几秒钟内给出专业结论的谷歌人工智能系统，显然在泰国不灵了。
远距离制约沟通、磨合效率
对此，清华大学医院眼科主任胡运韬认为：“美国工程师很难每次都到泰国考察出状况的原因，在实验室环境下结果不错，到泰国可能就不是那么回事了。”他分析道，眼底相机性能、人员拍摄能力、网络速度，都是导致人工智能系统“水土不服”的原因。好比开一辆豪车到乡下去，到山坡上颠两下容易颠坏。
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要、也是最有望落地人工智能技术的领域。胡运韬表示，目前人工智能系统在眼科领域最适宜的场景是体检和门诊及社区筛查，通过初筛把患者尽医院进行下一步治疗，这将是减少糖尿病致盲的有力措施。
“不清晰的图像会对医生诊断带来挑战，对人工智能来说也一样。”胡运韬认为，图像质量是AI医疗落地的关键因素，眼底图像首先应让专业医生能看清、能判读，这也是人工智能去识别和判断的前提。要拍出清晰的图像牵涉到一系列现实问题，如眼底相机性能，拍摄环境及技师操作水平，而真实世界中病人情况多样也是一大难题，年龄大小、是否患过眼病、是否受过眼伤、是否做过相关手术等，都会导致所拍摄眼底图像的清晰程度有差异。这要求在产品设计过程中工程人员要到现场和医生反复沟通、测试和不断磨合。
胡运韬还强调，人工智能系统对图像的接受“门槛”值得
