我們正在經歷新技術快速擴張的時代，它在融合信息世界和實體生物世界。AI、電子健康記錄和大數據、遠程醫療、家用監控的“可穿戴設備”和虛擬/增強現實這些新科技正在塑造著未來，讓醫療保健服務變得更有效、更準確、且更具可持續性。來自DeepMind和IBM  Watson等行業領導者已經在英美的醫療保健領域進行AI測試。機器在很多方面都具有優勢，讓一些臨床醫生擔心AI會取代醫生的角色，但這種想法低估了醫生對于病人和社會的作用和價值。AI的確可能給醫療行業帶來巨變，但讓一名醫生成為好醫生的核心價值觀是不會改變的。

　　在人工智能時代，醫生將需要放棄舊角色，并找到最適合他們的地方，發揮最重要的影響。AI的中心是它的算法，大家關注的是新算法在哪些地方超越了人類，但是我們也應該同時關注另外一個方面：人類醫生在人工智能的時代扮演了哪些新角色呢？

　　醫生作為人類-AI診斷過程的一部分

　　進行臨床診斷時，需要醫生來判斷并分析患者的癥狀、體征和體檢結果。這種判斷容易受到醫生的模糊記憶，知識缺口和認知偏見的影響。而AI則有潛力對最新最全的數據和醫學證據進行客觀評估，并且基于這些數據來提供高度準確的診斷結果和推薦療法。

　　但是，AI需要先接受準確的數據輸入才能產生正確的診斷，而患者的癥狀體驗并不是總能用完美的醫學術語來描述，并且，了解患者的完整病史仍然是完成臨床診斷的關鍵技能。那些善于傾聽，能讓患者信任的醫生更有可能發覺患者的言外之音，獲取更多的數據，并采取正確的措施來幫助患者。

　　患者也有可能報告不準確或不相關的信息，包括夸張甚至謊言。人類醫生比AI更容易識別這些內容。在人類-AI診斷界面里，人類醫生將有一個重要的角色，即作為“人類”來理解患者的疾病，并將準確數據輸入計算機。

　　但對于患者而言，面對診斷界面的根本問題可能不是“這臺機器能夠理解我嗎”，而是“我想要一臺機器來了解我嗎”。在將來，AI幾乎肯定能夠模擬移情并評估患者敘述的真實性。聊天機器人正在興起，而且AI解釋肢體語言的技術正在進步。但患者是否會愿意分享信息給機器？他們是否愿意讓一臺機器來告訴他們患上了癌癥，不管此時機器的情緒模擬的多么恰當？

　　有效溝通需要醫生仔細評估患者的希望、恐懼和期待值。其中大部分都是非言語的。一個熟練的醫生能讀出患者未訴諸于口的信息，這些溝通的渠道是種本能，并會影響醫生的診治行為，而醫生甚至通常沒有意識到。這種人類互動非常復雜，無法通過算法復制。

　　有時AI算法可能會由于缺乏適當的數據而失敗。比如對于罕見病，可能用于訓練的數據不足以支持人工智能。這個時代新醫生的重要技能之一，將是了解AI的極限以及如何在這些情況下做出診斷決定。同樣，在患者身具多種疾病，需要多種治療的情況下，決策會變得更加復雜微妙，因為一些醫療決定可能會影響另一個病情，AI在這方面的取舍可能會不如人類醫生。另一個挑戰將是等效診斷的情況，即AI提出多個診斷都具有相似的可能性。人類醫生需要對這種不確定性加以判斷，并與病人溝通。

　　急診室中的團隊領導者

　　目前的衛生系統分診還依賴于人類判斷，有時根據規則，有時根據知識和經驗。規則通常是基于少數變量，所以會比較生硬。

　　采用AI進行分診，可以基于更多的變量，從而達到更快、更準確、更敏感的效果。變量包括臨床測量結果和通過可穿戴儀器或植入技術獲得的實時跟蹤。分診不再需要簡單地劃分為粗疏的類別（比如表示病情危險級的紅色，琥珀色和綠色），而是可以根據患者風險和對于快速干預的需求進行不斷調整。連續數據流可以早期觸發緊急服務，讓無人駕駛的救護車裝載著人類急救員，在患者意識到之前就達到現場。

　　醫生在急診室的作用是團隊領導者、知識處理者和傳播者。協調迅速發展的診斷、治療途徑，并在可能的情況下與患者討論治療的潛在利益和風險，這將成為治療的關鍵。這些行為不一定必須是醫生來完成，但確實需要一個人類。

　　讓醫生去處理復雜和異常情況

　　許多溫和的疾病幾乎完全可以由AI接手處理。在診斷確定，并且有完善、有效和安全的治療方法時，可能不必有人類醫生的參與。

　　如果AI能處理大多數的常規低風險疾病，那么醫生將有更多的時間專注于那些需要豐富經驗應對的復雜患者。這些患者可能具有更復雜的情況（比如罕見疾病或多發病），或病情診斷的不確定性較大。

　　復雜的也可能是患者的實際情況，而不是病情。對于那些有學習困難、癡呆癥，成癮等情況的患者，可能需要比其他病人更多的人力支持，因此，AI能為醫生省下時間來幫助這些患者。

　　醫生作為患者的教育者和顧問

　　長久以來，醫生一直是醫療知識的看門人，為患者做出醫療決定。在AI時代，患者和醫生都能接觸到醫學知識。但人類非常不擅長理解概率和評估風險，特別是當它與自己或親友的健康有關時。因此，對大多數患者而言，醫生有個非常重要的任務是了解風險，并與患者交流溝通，內容包括診斷可靠程度，干預的安全性或療效等等。醫生也需要能夠解釋AI制定的治療計劃。這并不要求醫生深入了解機器學習，正如使用磁共振成像掃描不需要詳盡了解機械知識那樣。讓醫生解釋AI的治療計劃，能夠結合AI深厚的計算能力，和醫生對醫學的理解和跟患者交流的技能，將信息有效地傳遞給患者。

　　醫生作為患者的代言人

　　醫生都在醫療保健的前線身經百戰，每天都聽取患者的意見，經年累月地照顧同一位患者，并深刻了解醫學的可能性和局限性。從這個角度來看，醫生能夠傾聽并回應個別患者以及患者整體的需求。當有利益沖突時——比如說要在患者之間分配有限的醫療資源——這種代言作用尤為重要。這些問題可能很復雜，而且很易引發激動情緒，但至少是合理透明的。不一定每個人都會同意最終決定，但通往該決定的過程經得起仔細審查。

　　在AI時代，有種風險是利益相關者可以在算法中嵌入“隱藏”值，達到影響患者護理的目的。正如Paul Hodgkin博士所說：“發生價值沖突時會如何？一家資助機器學習系統的醫藥公司可能希望增加銷售額，而醫療保健系統可能希望降低成本，同時患者可能優先考慮安全性。”所有人——包括患者、公眾和醫生——都需要參與這個過程并讓“規則”算法負責。醫生所能做出的關鍵貢獻將是他們對兩個領域的理解：“現實世界”中患者的經歷，以及醫生對于醫學的能力和風險的理解。

　　醫生在臨終護理的場合

　　科幻大師阿西莫夫提出的機器人/AI守則中，最基本的原則是“不傷害人類或通過不作為讓人類受到傷害。”這個原則在大多數情況下有效，但在臨終決定的情況下可能會失敗。人類醫生能夠理解，一些決定不僅僅是基于生存的邏輯問題。盡管阿西莫夫定律與希波克拉底誓言有相似性，但人類能夠對其進行更復雜的解讀，包括生命不僅僅在于長短，還應該考慮生活質量。AI在這方面的局限很難通過簡單地插入一個“生活質量變化-剩余生命”的閾值來克服。一名患有晚期疾病的患者可能選擇姑息治療，而另一個可能會選擇進一步化療。患者做出的決定可以基于許多因素，這些因素可以提供給AI算法來分析，但最終決定仍需要患者獨自完成。這類決策必須始終處于算法之外。

　　總結

　　AI的出現將是醫療保健的一場革命，因此醫生的角色也需要發展。本文突出了特別的機遇或挑戰。在AI時代成為一名優秀的醫生，需要重新思考技能組合以及更大的心態轉變。醫學院和研究生培訓也要計劃參與這場革命。新醫生要有能力處理AI構建的新世界。在這個新世界中，AI會無縫記錄每個患者情況和每個臨床報道，將其呈現為輸入數據，并產生疾病的診斷、治療功效、不良事件和死亡的概率。在大多數情況下，AI將比人類更快、更可靠、更便宜地做到這一點。有些人會將此視為威脅，其他人則視其為機會。

　　這篇文章不是關于AI，而是關于新醫生以及他們如何在支持AI的醫療保健系統中找到自己的位置。這個時代需要的醫生是人類與AI相結合后的知識處理者和共情傳播者。現在是時候開始為此準備了。