密歇根大学胃肠病学和计算医学及生物信息学副教授 Ryan W. Stidham 博士是致力于推动人工智能（AI）在胃肠疾病管理方面应用的领先研究人员之一。
Stidham 的工作重点是利用 AI 开发自动化系统，更好地量化疾病活动，并帮助胃肠病学家进行决策。他向《Medscape 医学新闻》讲述了他将 AI 塑造为胃肠病学实用工具的努力，该技术如何提高医生效率，以及为什么胃肠病学家不必担心很快被机器取代。
您最初是如何参与研究胃肠疾病的 AI 应用的？
我的医学培训恰逢电子健康记录（EHRs）的出现，使得从实验室结果到诊断代码和账单记录等大量数据易于获取。
我很快染上了数据分析的热情，但一个主要问题变得明显：仅 EHRs 和医疗索赔数据对患者的描述很薄弱。该领域的研究人员热衷于使用机器学习为包括炎症性肠病（IBD）在内的胃肠疾病制定个性化治疗决策。但无论数据集有多大，EHRs 都缺乏最基本的描述：患者的 IBD 表型是什么？疾病的确切位置在哪里？疾病的严重程度如何？
我可以看到机器学习有学习和复制专家决策的潜力。不幸的是，我们为这架机器学习的火箭飞船提供的是粗糙的数据，不太可能带我们走得很远。胃肠病学家依靠病历进展记录、电子邮件、结肠镜检查的解释以及放射科医生和病理学家对影像学的审查来做出治疗决策，但这些信息在任何数据集中都没有很好地组织起来。
您早期的研究是如何试图解决这个问题的？
我的胃肠病学职业生涯始于 IBD 领域从仅依赖症状转向 IBD 评估的客观生物标志物，特别关注内镜黏膜炎症的标准化评分。然而，这些评分存在观察者间的变异性，促使需要集中阅读。更重要的是，这些评分是定性的，不能捕捉到经验丰富的医生在评估严重程度、表型和治疗效果时所欣赏的所有视觉发现。因此，即使是专家也可能对内镜严重程度的程度存在分歧，而黏膜外观明显不同的患者可能具有相同的内镜评分。
您是如何将卷积神经网络（CNN）的前景转化为实际成果的？
计划很简单：收集 IBD 患者的内镜图像，找一些专家对图像上的 IBD 严重程度进行分级，并使用图像和专家标签训练 CNN 模型。
在 2016 年，开发 CNN 并不容易。没有内镜图像数据库或简单的图像标记方法。CNN 需要数万张图像。我们如何收集具有广泛 IBD 严重程度的足够图像？我还遇到了一些技术限制，需要帮助解决计算挑战。
设计我们的第一个 IBD 内镜 CNN 花了多年的阅读、课程学习、额外培训和新的一批合作者。
失败频繁，我和同事们花了很多夜晚和周末查看数千张单独的内镜图像。但我们最终有了一个用于分级内镜严重程度的工作模型，其性能超出了我们的预期。
令我们惊讶的是，CNN 模型对溃疡性结肠炎严重程度的分级几乎与 IBD 专家的意见完全匹配。我们引入了 AI 可以为 IBD 自动进行复杂疾病测量的概念证明。
您说过 AI 可以帮助减轻当今医学中大量的行政负担。对于时间紧迫的胃肠病学家，AI 辅助的未来会是什么样子？
我们将把更多时间花在复杂的决策制定和治疗计划的制定上，而在图表中寻找信息和行政任务上花费的时间更少。
AI 的实际应用将消除繁琐的机械任务，这些任务很快将由机器完成，为胃肠病学家节省时间。
例如，自动化文档几乎可用，诊所中的录音可用于生成办公室记录。
内镜视频的计算机视觉分析正在生成程序记录草案和给患者的信件，使用共享语言，并根据发现推荐监测间隔。
文本处理已被用于自动计费和管理健康维护，如疫苗接种、实验室筛查和治疗药物监测。
您的工作中有什么惊喜吗？
我必须承认，我曾经确信 AI 会让我们胃肠病学家感到羞愧。随着时间的推移，我改变了这种看法。
AI 在解释疾病和预测针对个体患者该做什么时，确实很难理解患者的整体情况。人类可以预测数据中的差距，并在为个体做决策时定制信息的权重。一位经验丰富的胃肠病学家可以将风险、危害和成本纳入考虑，而 AI 距离实现这一点还有好几代的差距。
可以肯定的是，AI 在繁琐和重复的任务上会优于胃肠病学家，我们应该乐于让 AI 承担这些责任。然而，在胃肠疾病的日常管理中仍有许多未知数。在未来的几年里，我们仍将依赖胃肠病学家的临床经验、创造力和即兴发挥。
在您的工作中，是否有一个感觉这项技术从更理论化转变为具有实际临床应用的转折点时刻？
去年春天，我看到了微软研究总裁 Peter Lee 的一次演讲，他是在医学和科学研究中开发 AI 驱动应用的领导者，展示了一个大型语言模型（LLM）如何“理解”医学文本并生成对问题的回答。我惊呆了。
我们看到一个 LLM 以完美的解释和理由回答美国内科医学委员会的问题。他展示了如何使用诊所访问的录音自动生成 SOAP（主观、客观评估和计划）记录。这比我起草的任何东西都要好。他还展示了 LLM 如何直接摄取 EHR 数据，无需任何修改，并提供出色的诊断和治疗计划。最后，LLM 聊天机器人可以与患者进行互动对话，很难与人类医生区分开来。
AI 在胃肠病学护理中推动变革的必然性变得明显。
在接下来的几年里，胃肠病学家的适应会是什么样子？
像任何其他工具一样，胃肠病学家将弄清楚如何使用 AI 预测模型、聊天机器人和图像分析。价值、易用性和信息获取将决定最终采用哪些 AI 工具。
记忆、信息回忆、计算和胃肠病学家偶尔出错或感到厌烦的重复任务将成为机器的工作。我们仍然是魔术师，现在得到了机器的帮助，运用我们人类在情境意识、判断和创造力方面的优势，为更多患者找到定制的解决方案。
我认为，这就是我们在未来十年可靠地走向的未来——整个胃肠病学（包括 IBD），坦率地说，整个医学的人机合作。
（John Watson 是费城的一位自由撰稿人。）
