在Optometry Tomorrow会议（6月14-15日，哈罗盖特会议中心）上举行的"2049年验光学：人工智能与视力护理的未来"专题讨论中，专家们重点强调了审视支持人工智能工具应用证据的重要性。
Cascader医疗技术公司的咨询验光师迈克尔·霍勒(Michael Horler)向与会者表示，人工智能对患者具有"巨大潜在益处"。他指出："眼科是英国国家医疗服务体系中规模最大的服务部门，每年有超过1100万次就诊预约。"霍勒注意到，尽管十分之一的NHS门诊预约与眼部相关，但许多患者面临漫长的等待时间。
霍勒强调了人工智能提高向医院眼科服务转诊准确性以及支持社区监测服务的潜力。"这将为需要紧急就诊的患者腾出NHS医疗空间，"他表示。霍勒同时指出，一些创新性人工智能产品因可用性差而未能获得市场认可。"如果一个工具需要14次点击才能操作，那它必然会失败，因为人们根本不会使用它，"他观察到。
霍勒强调，向从业者教育在投资AI工具时应考虑的因素至关重要，例如技术是否经过独立验证以及训练所用人群的具体信息。"人们需要了解所有这些因素，这样当他们在贸易展会上看到一个设备精美的展台时，能够对其进行批判性评估，判断它是否适合在实践中使用，"霍勒分享道。
关于AI支持决策时的责任归属问题，霍勒表示他设想AI工具将保持"人在回路中"的模式，由人类对AI建议的决策进行监督。"责任归属是一个棘手的问题，"他说。
社区验光师阿丹·侯赛因(Aydan Hussain)指出，目前眼科护理中获批的AI应用主要集中在医院环境。"在眼科护理领域，尽管有许多聪明的工作，但这些工具并不一定为我们初级护理设计。就日常实际使用而言——我们仍在等待这项技术对我们产生实质性影响，"他反思道。
与霍勒类似，侯赛因也强调了在AI应用中保持临床医生参与的重要性。"在初级护理中，如果处方上有我的签名，我就承担100%的责任，"他表示。"了解AI的局限性——无论是其'黑箱'特性、训练方式以及决策过程——至关重要，因为病历卡上是我的名字，"侯赛因指出。
伦敦City St George's大学的Alicja Rudnicka教授向与会者分享，她正参与一项研究，评估商业公司用于从视网膜图像识别糖尿病眼部疾病的算法。她指出，英国NHS糖尿病眼部筛查计划每年约有350万次预约。Rudnicka注意到，英国符合糖尿病眼部疾病筛查资格的人数正在增加。
"人工智能为我们提供了对风险足够低、无需人工分级的患者进行分诊的机会，"她说。这位统计流行病学教授强调，在社区实施前评估AI工具的重要性。"没有算法是完美的，"Rudnicka表示。"对于这些AI工具来说，至关重要的是在部署环境中验证其是否按预期工作，并确保其对所有人群都同样有效，"她说。
Rudnicka观察到，AI工具有着广泛的谱系——从低风险工具如AI记录员，到旨在识别特定眼疾或监测病情进展的高风险工具。她表示，验光师不需要突然成为计算机科学家才能利用AI的潜力。"关键在于知道如何与这一工具互动——了解其运作方式及运作边界，"Rudnicka说。
谈及AI的局限性，Foresight Research首席执行官温华·李(Wen Hwa Lee)博士分享了一个训练用于检测皮肤癌的算法的例子。"因为该算法训练所用数据集主要来自高加索人群，当应用于非高加索人种皮肤时表现不佳，"李解释道。
针对关于公司是否从患者数据中获利的担忧，李指出，任何拥有智能手机的人都已经面临这种风险。"你已经被货币化了，而这些数据可能并不一定为你服务，"他说。李表示，当从业者与同事和患者讨论数据时，应考虑共享数据对创新的益处。"我们今天拥有的所有药物都是在有人慷慨捐赠其数据的帮助下开发的。我支持数据共享——但这取决于你个人的选择，"他说。
【全文结束】