AI為職業(yè)病做了啥貢獻，了解一下

原標題：AI為職業(yè)病做了啥貢獻，了解一下

文 | 楊蘇穎

來源 | 智能相對論（ID：aixdlun）

在控制嫌疑犯的時候，他的右手被犯罪嫌疑人抓傷。創(chuàng)口大約3厘米。

“我有艾滋病?！皩徲嵾^程當中犯人自稱。

盡管犯人檢查結(jié)果顯示陽性。但是不久后，他卻突然感冒一直沒好，有點害怕。他自己一個人偷偷到疾控中心檢查。而等結(jié)果的那一個月，是他人生最黑暗的一段時期。

這是知乎上一位人民警察分享的故事。很幸運，他的檢查結(jié)果顯示他完全健康。

如果看過新版職業(yè)病分類和目錄，會發(fā)現(xiàn)早在2013年的時候艾滋病就被列入其中，范圍僅限醫(yī)療衛(wèi)生人員及人民警察。由于經(jīng)常在疾病暴露的環(huán)境當中工作，他們?nèi)旧细鞣N傳染病的機率比普通人高很多。

職業(yè)病一直是各行各業(yè)不可言說之痛，而我們?nèi)绾尾拍芨玫貞?yīng)對職業(yè)病呢？

用AI降低一下生病的概率先初期只是有點耳鳴，交談什么都還算正常。到后來，個人聽覺能力開始進一步喪失，“你說啥？我完全聽不清啊?！边@是噪聲聾，也是職業(yè)病的一種。它的發(fā)展是一個比較緩慢的過程。噪聲作業(yè)工齡較長的人如果聽力損傷比較嚴重，后續(xù)治愈的機率并不高，極個別還有可能留下終生殘疾。

目前，存在職業(yè)病危害的企業(yè)八成屬于制造業(yè)。如何預(yù)防“噪聲聾”？很多制造企業(yè)選擇進行定期體檢，以便鑒定噪聲敏感者和早期聽力損傷者。但是這里就存在兩個bug：第一，既然是早期，癥狀表現(xiàn)肯定不會特別明顯，那么如何避免工人和醫(yī)護人員普遍覺得“這點程度的耳鳴還沒毛病”的心理？第二，明明知道在噪聲環(huán)境下作業(yè)會影響聽力，為什么還要放縱這種傷害繼續(xù)產(chǎn)生，先讓工人生病再給他們治療的方式是不是稍顯愚笨？因此，面對職業(yè)病，我們需要做到的一定是防止產(chǎn)生，而不是事后補救。近日，阿里巴巴機器智能技術(shù)實驗室正在研發(fā)在高工業(yè)噪聲環(huán)境下的語音識別及傳輸技術(shù)。根據(jù)《職業(yè)性噪聲聾診斷標準》，噪聲大于等于85分貝時，工人需要有所防護。但是在噪聲95以上的車間當中，為了不妨礙日常工作交流，工人們均沒有佩戴防護耳罩。阿里的這項技術(shù)可以實現(xiàn)在85分貝的工業(yè)噪聲下，將1米處的正常音量語音轉(zhuǎn)換為文字。因此，工人們可以重新戴上防護耳罩，只需要同時再配備一個語音終端，就能夠知道對方在說什么，也不影響工作交流。只是目前85分貝的環(huán)境與車間作業(yè)的噪聲程度相比還是過于安靜，因此，這項語音技術(shù)在未來還需要再做進一步的提升，才能真正降低工人得病的概率。

如果你患了職業(yè)病，AI或能提高檢測的精準性 “當時我跟醫(yī)生表明了我的一些不適癥狀，但是醫(yī)生說這是正常表現(xiàn)，并在體檢報告上填上了正常范圍內(nèi)的數(shù)據(jù)。”我們時常會有這樣的困惑，就是明明感覺自己的身體已經(jīng)出問題了，為什么醫(yī)生卻老說沒問題呢？智能相對論（aixdlun）的分析師楊蘇穎試圖分析在一般的職業(yè)病檢測當中，為什么我們的身體上的一些不適常被醫(yī)生認定為是正常表現(xiàn)。

拿經(jīng)常接觸放射源的職業(yè)人群來舉例，首先，人類放射科醫(yī)生有7%的假陰性率（漏掉有病的概率），有66%假陽性率（誤診為有病的概率）。兩項數(shù)據(jù)一對比可以發(fā)現(xiàn)，假陽性率要比假陰性率高得多，而這會導(dǎo)致一種什么樣的結(jié)果？只要數(shù)值不是特別反常，憑借以往的診斷經(jīng)驗，醫(yī)生通常會認定你的檢查結(jié)果是正常的。

另外，利用傳統(tǒng)人工目測的方式檢測人體各項細胞指數(shù)時，醫(yī)生常常會發(fā)生漏看的情況。而漏看其實并不是小事，就是因為漏看幾個細胞，可能就會導(dǎo)致我們的檢測數(shù)值出現(xiàn)誤差，而“假陰性”的結(jié)果也就這樣產(chǎn)生了。

因此，其實使用人工目測的方法其實并不利于職業(yè)病的認定。如何使用新的技術(shù)手段讓職業(yè)病的檢測更高效是當下解決職業(yè)病認定很關(guān)鍵的一個問題。目前，很多職業(yè)病都具有潛伏期，現(xiàn)在中國的職工流動性又比較大。所以，在未來的職業(yè)病檢測當中，AI錄病系統(tǒng)，大數(shù)據(jù)分析，算法預(yù)測疾病系統(tǒng)可能都需要被建立起來。

職業(yè)病檢測將可能是AI最值得付費的場景目前，用AI來做一些影像檢查的準確率已經(jīng)很高，那么問題來了，AI現(xiàn)在為什么沒有全面落地醫(yī)療影像領(lǐng)域呢？有人說這是因為AI不能獨立工作，但這只是其中一個原因，而且這個原因放在任何領(lǐng)域都適用。實際上，另外一個更主要的原因其實是AI它只能對某一種特定的疾病進行篩選標記。解釋一下也就是說，在訓練AI的過程當中，拿來訓練AI的數(shù)據(jù)均是只與某一種疾病相關(guān)的單一數(shù)據(jù)。那么這就會造成AI先入為主的檢病邏輯。而對比人類，當人類醫(yī)生拿到一張醫(yī)療影像圖的分析疾病的時候，他所做的是全面分析，但是AI卻只能對這張影像圖說YES或者NO。說白了就是AI沒有全局觀，只會做選擇題而不會做分析題。

Buuuuuuuuut，沒有全局觀就不能用來檢測疾病了嗎？職業(yè)病檢測就正好適合這種沒有全局觀的AI。實際上，職業(yè)病體檢和普通體檢是完全不同的兩種模式。不同的職業(yè)所需要進行的體檢項目是根據(jù)該職業(yè)的工作性質(zhì)來決定，并且每一種職業(yè)所囊括的職業(yè)病有特定范圍。這不就正好與全局觀沒有培養(yǎng)起來的AI不謀而合嗎？做職業(yè)病檢測的AI不需要檢測出你到底患了多少病，它需要做的只是為放射環(huán)境下的職工檢查淋巴微核細胞率，為在粉塵環(huán)境下工作的職工檢查到底有沒有塵肺病，在噪音環(huán)境下工作的工人聽覺細胞有沒有受損，別的一概不管，僅此而已。

一直以來，AI在技術(shù)層次都發(fā)展得很快，但是實際上AI的應(yīng)用卻很成問題。對于AI未來的前景，我們不能僅憑感性推斷，更需要做的是去真正找到合適的落地方向來解決盈利問題。把AI運用到職業(yè)病領(lǐng)域，是細鉆垂直領(lǐng)域應(yīng)用的一個典型表現(xiàn)。只有這樣，我們才能為AI找到最值得付費的場景。

技術(shù)的進步應(yīng)該更多地照拂到人類的痛點，盡管目前我們已經(jīng)有了工傷保險，但是工商保險并不能解決全部的問題。利用技術(shù)將事情80%的解決程度變成100%，這也是技術(shù)領(lǐng)域的一種工匠精神。【完】智能相對論（微信id:aixdlun）：深挖人工智能這口井，評出咸淡，講出黑白，道出vb深淺。重點關(guān)注領(lǐng)域：AI+醫(yī)療、機器人、智能駕駛、AI+硬件、物聯(lián)網(wǎng)、AI+金融、AI+安全、AR/VR、開發(fā)者以及背后的芯片、算法、人機交互等。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。