近日，一項刊登在國際雜志Nature上的研究報告中，來(lái)自紐約市立大學(xué)等機構的科學(xué)家們對利用人工智能系統來(lái)進(jìn)行乳腺癌篩查的評估研究提出了異議，研究者Levi Waldron說(shuō)道，我們對于那些用于衛生應用的人工智能算法缺少一定的透明度表示關(guān)切。

　　在最近發(fā)表的一項研究中，包括來(lái)自谷歌健康團隊（Google Health）的研究人員表示，他們利用人工智能技術(shù)能通過(guò)乳腺X光照片的信息來(lái)進(jìn)行乳腺癌的診斷，而且這要比人類(lèi)放射學(xué)專(zhuān)家更加準確。研究者認為，限制性的數據訪(fǎng)問(wèn)程序、缺乏公開(kāi)的計算機代碼以及并未報告的模型參數或許讓任何研究人員證實(shí)或擴展該項工作帶來(lái)很大的困難。

　　此外，本文研究結果還強調了如何建立保護患者隱私的適當措施，同時(shí)研究者還允許更廣泛的研究團隊貢獻更多的方法來(lái)糾正潛在的錯誤。研究者Waldron說(shuō)道，這種反反復復的斗爭是當前關(guān)于誰(shuí)控制數據的斗爭狀態(tài)的一個(gè)非常引人注目的例子，而這種斗爭在生物醫學(xué)和其它研究領(lǐng)域已經(jīng)上演了數十年了。資金充足且進(jìn)行患者數據收集的研究人員很少會(huì )有分享的動(dòng)機，但他們卻是讓患者簽下知情同意書(shū)的人，也是決定分享條款的人；保護患者的隱私，即使是假設的風(fēng)險，或許也會(huì )成為一種方法，讓寶貴的數據（甚至是由此所產(chǎn)生的預測模型的參數）遠離其他研究人員。

　　研究者認為，自愿參加醫學(xué)研究的患者或許并沒(méi)有被告知數據的隱私性和實(shí)用性之間的平衡，當然其也并未獲得多少發(fā)言權，因此后期研究人員之間或許還應該進(jìn)行更大規模的對話(huà)，至少是在個(gè)別研究層面智商的對話(huà)，當然這至少應該包括患者群體。