“
“拍下您伴侶的丁丁照片，我們幫您從丁丁外表來判斷是否有感染性病的危險！”
”
美國最近釋出了一款搭載了AI技術的“丁丁識别”APP，沒想到剛上架就引發了争議。
根據介紹，APP隻需要使用者拍下丁丁照片點選上傳，AI就能自動識别是否有性傳播疾病的視覺迹象，并在幾秒鐘之内回報結果。
在AI學習、吸收了全球各種丁丁照片後，判斷成功率還會進一步上升，是以在釋出之後，APP營運公司希望能有更多的使用者積極行動，多拍、多上傳丁丁照片。
好家夥，擱這兒玩“大衆丁評”呢...
釋出APP的公司表示，他們家的産品可以免費使用，而且在正式釋出前，AI算法接受了數千張丁丁圖檔的訓練，已經是閱盡千丁的老司機。
公司代表還說，這些圖檔都是從公衆那裡收集，并由醫生進行逐個檢查。使用者在拍攝伴侶的丁丁照片後點選上傳，内置AI就會掃描照片并根據圖檔資料庫進行比對，查找任何潛在的性傳播疾病迹象。
如果AI覺得眼前的丁丁照片有些不對勁，會馬上提醒使用者推遲發生性行為，并建議采取行動，例如使用保護措施或去看醫生。
當然，AI隻會提示風險，還不具備判斷疑似患病丁丁具體情況的能力。如果照片中沒有判斷出任何生病的迹象，APP就會顯示“一切正常”，提示使用者可以繼續進行親密行為。
APP一經釋出，就引發了争議。
有性健康專家提到，這種僅靠視覺來鑒别丁丁的方法算不上靠譜：“即使你在一家光線良好的診所，讓一位擁有30年經驗的醫生來看病，也沒法保證僅靠視覺就做出診斷，更别說通過APP的AI算法來判斷了。”
對此，APP的研發公司也有回應：在不同光照及膚色等條件影響下，APP的判斷準确率在65%~96%不等。
他們表示，使用者可以把這款APP想象成進行親密行為前的第一道防線，但不能指望它成為完美的解決方案：“我們的AI在檢測外觀方面是高手，但也要注意，有些性相關的感染周期會比較長，症狀可能在接觸幾周後才會出現。”
（公司創始人Yudara Kularathne在朋友經曆了性傳播感染恐慌後，想到了這樣的點子）
更大的擔憂是，APP通過拍照上傳這種方法來鑒别丁丁，無法保證資料和隐私相關的問題。比如無法判斷使用者上傳照片前是否征得丁丁主人的同意，以及丁丁的主人是否已滿18。
（聯合創始人Mei-Ling Lu表示，正在努力解決有關使用者隐私的問題）
網友們表示并不看好這種APP：不能確定準确率，而且還有洩露隐私的風險，怎麼想都不太靠譜啊...
“一個隻會帶來各種麻煩的噱頭，指望這個正确率還不如去指望算命的，至少算命還算是人與人之間的互動。”
“看起來這個AI隻能檢測出肉眼可見的病變，但實際上大多數性傳播疾病，包括梅毒，大多數時候都沒有明顯的迹象。
你不知道你眼前的人昨天和誰發生過性關系，也不知道他們的伴侶之前和誰發生過性關系，是以一定要做好保護措施，因為一個人可能在任何迹象出現之前就已經是攜帶者了！”
“我們已經到了生活被太多科技主宰的地步了。”
雖然目前來看AI在丁丁鑒别領域不被看好，但這兩年突飛猛進的發展之後，它在其他醫學領域的應用正在被深度挖掘，越來越多采用AI進行查病的研究項目雨後春筍般出現。
比如，去年12月英國華威大學釋出的一項研究稱，AI可以像醫生一樣分析X光片并診斷醫療問題。
項目的AI算法使用超過150萬名患者的胸部X光片進行了訓練，分析37種可能出現的病症。其中的35種與醫生的分析同樣準确，某些情況下準确率甚至超過了醫生。
當然，研究人員提到類似AI項目的目的不是要代替醫生，而是減少醫生的工作量和診斷延誤，為放射科醫生提供“第二意見”。
在美國，加州大學舊金山分校的科學家開發了一種AI模型，最早能夠在臨床症狀出現的七年前，預測阿爾茨海默症的發病情況。
診斷阿爾茨海默症的傳統方法通常僅在症狀出現後才能應用，但往往，患者開始出現症狀時，已經錯過了最佳治療時間。而如果能提前診斷出阿爾茨海默症，對症治療也能更快速更有效。
新研究的原理是，研究者用AI分析了醫學中心500萬患者的龐大資料庫，找到醫療資料中經常出現的複雜非線性關系，篩選出高血壓、高膽固醇和維生素D等多個和阿爾茨海默症有一定相關性的因素。
發表于《Nature Aging》雜志的研究結論提到，“這是在正常臨床資料上使用AI的第一步，不僅可以盡早識别風險，還可以了解其背後的生物學原理。有望改變阿爾茨海默病等複雜疾病的早期診斷和發現的情況。”
（示意圖）
如果AI診斷阿爾茨海默症能在未來得到大規模普及，毫無疑問會成為全世界潛在風險人群和确診人群預防與治療的福音。
（示意圖）
與此同時，也有AI項目瞄準了人類的聲音。
谷歌研發的AI工具用人類音頻片段進行訓練，有望通過辨識咳嗽和呼吸的聲音，來評估一個人的肺部功能狀況，判斷是否有肺部疾病。
項目負責人提到，通過自動化流程，他們從公開的網絡視訊中提取了超過3億個咳嗽、呼吸、清喉嚨和其他人類聲音的短聲音片段，以此來檢測新冠、結核病以及一個人是否吸煙等特征。
（示意圖）
“聲學科學已經存在了幾十年，如今不同的是，借助AI和機器學習，我們有能力同時收集和分析大量資料。”
該研究尚未經過行業内評審，不過谷歌之前已經實作了通過拍攝皮膚狀況照片，輔助确定皮膚可能存在哪些異常情況。業内人士比較樂觀地認為，新的“AI咳嗽判斷”也早晚能夠成真。
（示意圖）
技術發展為醫學帶來更多可能性，可能在下一步技術爆炸中，AI在醫學領域的應用會迎來更大的飛躍。我們也可以期待一下，未來的AI會為人類的醫學進步帶來怎樣的驚喜了。