导读 一个由人工智能和医学专家组成的团队与谷歌研究院和谷歌 DeepMind 合作或为谷歌研究和谷歌 DeepMind 开发了一种基于人工智能的系统，旨
一个由人工智能和医学专家组成的团队与谷歌研究院和谷歌 DeepMind 合作或为谷歌研究和谷歌 DeepMind 开发了一种基于人工智能的系统，旨在判断用于分析医学扫描的现有人工智能系统的置信水平，作为改进诊断工具分析的一种手段，例如乳房X光检查或胸部X光检查。
在他们发表在《自然医学》杂志上的论文中，该小组描述了他们如何构建该系统以及它在测试时的工作情况。剑桥大学临床医学院的 Fiona Gilbert 在同一期期刊上发表了一篇新闻与观点文章，概述了该团队在这项新工作中所做的工作。
在过去的几年里，随着人工智能应用变得更加完善，医疗机构已经采用该技术作为减少人类放射科医生工作量同时保持或提高质量的一种方式。目前，人工智能应用程序用于分析乳房X光检查和X射线等扫描，以寻找乳房或肺部的肿瘤。
先前的研究表明，最可靠的方法是让人类和人工智能应用程序分析相同的扫描结果。这样，漏掉的肿瘤就会更少。两位放射科医生的分析给出了几乎相同的结果。
在这项新的努力中，研究人员试图通过分析在这种情况下工作的人工智能系统给出的结果来改进该系统。为了实现这一目标，他们创建了一个名为“互补驱动的延迟到临床工作流程”(CoDoC) 的系统。它被设计为与已经在该领域使用的当前人工智能系统一起工作，并使用此类系统已经提供的指标。
新系统的工作是分析人工智能诊断系统给出的结果，然后判断其结果的置信度，并将这些信息提供给提供最终诊断的人类诊断医生。
CoDoC也是一个人工智能系统。它使用从延期案例中获得的黄金标准结果数据进行训练。研究团队设计了一个改进循环，理论上应该让它使用得越多就越准确。目前，它的设计目的是与诊断人工智能系统和人类放射科医生一起工作。