设备与技术创新

为什么？因为潜在的益处是惊人的，甚至可以说是巨大的。从发现放射学扫描中的异常到在症状出现前预测遗传疾病，AI带来了准确性、速度和医疗保健的圣杯——早期检测。我们知道早期检测是可管理治疗与改变生命的疾病之间的区别。AI可以将这一点提升到一个全新的水平。

但就像科技领域的大多数事物一样，事情并不那么简单。

尽管前景广阔，AI在医学中面临严重障碍。第一个也是最明显的是数据问题。AI依赖数据，需要数千甚至数百万个样本来学习。然而，医疗数据很难获取，因为它被隐私立法、道德标准和机构繁文缛节层层封锁。这是合理的，因为许多人不会希望在未经同意的情况下让自己的MRI扫描出现在训练集中。

接下来是测试问题。在实验室中开发一个有前景的诊断模型是一回事；在医院中运行它，面对真实的患者，则是完全不同的另一回事。在处理人类生命时没有沙盒模式，这使得现实世界的验证在道德上具有挑战性、在法律上具有风险性，并且进展极其缓慢。

尽管AI带来了诸多好处，但它会犯错。特别是在早期阶段，即使是1%的错误率，在处理诊断、处方或手术建议时也可能产生巨大后果。风险很高，医学不是一个容忍”快速行动、打破常规”的行业。

然后还有人为因素：阻力。许多医疗专业人员对AI技术持怀疑态度，有些人担心会被取代，而另一些人在做出生死决策时根本不信任黑盒系统。

如果有一个令人信服的嵌入式AI在医疗保健中的应用案例，那么开发一个能够在世界偏远地区运行、早期识别皮肤癌的新AI系统肯定就是它。

在苏格兰的赫瑞瓦特大学，博士研究员Tess Watt开发了一种低成本、离线的诊断工具，使用人工智能来识别潜在的皮肤癌。该系统在树莓派上运行，不需要云后端、互联网连接，也不需要等待实验室结果。

这一发展是边缘AI的一个极好例子，它可能改变农村社区获取医疗保健的方式。

该研究强调，皮肤癌仍然是全球最常见的癌症之一，早期干预对生存率至关重要。通过将AI直接嵌入便携式系统，研究人员可以绕过许多传统上延迟诊断的基础设施限制。正如MDPI研究指出的那样，此类解决方案不仅价格合理，而且可扩展，意味着它们可以在资源匮乏的环境中作为可访问的一线诊断选择。

要使用该设备，患者使用连接到树莓派的基本摄像头模块拍摄皮肤病变的照片。然后设备使用在数千个已知皮肤病案例上训练的图像分类模型进行本地推理。几秒钟内，它就会输出初步诊断结果。该结果可以传递给当地的医疗保健提供者（如果有的话），以进行进一步审查和治疗规划。

重要的是，Watt及其同事测试的诊断模型是使用公开可用的皮肤病图像数据集进行训练的，确保了其开发的可重复性和透明度。根据MDPI论文，利用开放数据集对于增加对AI医疗工具的信任至关重要，特别是在解决监管要求和有关患者数据使用的道德问题时。

在这种设计中，没有上传、没有数据泄漏、也没有延迟。

数据隐私仍然是医疗AI采用的核心障碍之一。通过完全离线运行，边缘设备减轻了与患者机密泄露相关的风险。MDPI研究强调，减少对外部服务器的依赖在保持符合数据保护标准方面特别重要，这个问题继续挑战着基于云的医疗平台。