醫(yī)生無法僅通過X光片來判斷某人是黑人、亞洲人還是白人。但是，根據(jù)麻省理工學院（MIT）和哈佛醫(yī)學院等的科學家團隊的最新研究發(fā)現(xiàn)，計算機可以做到。

研究發(fā)現(xiàn)，受過訓練的AI模型可以以90%的準確率預測一個人的種族。但進行這項研究的科學家表示，他們不知道AI是如何做到的。該論文于近日發(fā)表在醫(yī)學雜志《柳葉刀數(shù)字健康》上。

“當我的研究生向我展示這篇論文中的一些結(jié)果時，我實際上認為這一定是一個錯誤，”麻省理工學院電氣工程和計算機科學助理教授、該論文的合著者Marzyeh Ghassemi說，“當他們告訴我的時候，我真的以為我的學生瘋了?！?/p>

AI診斷模型在醫(yī)學影像讀片中的表現(xiàn)優(yōu)異并不是令人驚訝的事，但這個識別種族的本領之所以引人關(guān)注，一方面是其工作原理仍是謎團，另一方面，人們不得不擔憂人工智能可能會放大醫(yī)療領域現(xiàn)有的種族差距。

如2019年在《科學》發(fā)表的研究（Dissecting racial bias in an algorithm used to manage the health of populations）發(fā)現(xiàn)，美國一個每年管理約2億人醫(yī)療的算法，建議為黑人患者提供額外護理的概率只有白人患者的一半。因為黑人通常比患有相同病癥的白人獲得更低的風險評分，所以黑人必須比白人的病更重，才能獲得幫助。

《波士頓環(huán)球報》稱，在人工智能軟件越來越多地用于幫助醫(yī)生做出診斷決定的時候，這項研究提出了一個令人不安的前景，即基于人工智能的診斷系統(tǒng)可能會無意中產(chǎn)生帶有種族偏見的結(jié)果。例如，人工智能（可以使用X射線）可以自動為所有黑人患者推薦特定的治療方案，無論它是否最適合特定的人。同時，病人的人類醫(yī)生不會知道人工智能的診斷是基于種族數(shù)據(jù)的。

“我們問自己，如果計算機不能分辨一個人的種族，那怎么可能？”另一位合著者、哈佛醫(yī)學院副教授Leo Anthony Celi說。這項研究工作即開始于，科學家注意到檢查胸部X光片的AI有更可能錯過黑人患者疾病的跡象。

該研究團隊首先使用X射線和CT掃描的標準數(shù)據(jù)集訓練了一個人工智能系統(tǒng)，其中每張圖像都標有人的種族。這些圖像來自身體的不同部位，包括胸部、手部和脊柱。計算機檢查的診斷圖像不包含明顯的種族標記，如膚色或頭發(fā)質(zhì)地。該程序通常能以遠高于90%的驚人準確率識別出圖像中人的種族。

工作原理是什么？

對這個問題，Ghassemi及其同事們?nèi)愿欣Щ?，她懷疑這與黑色素有關(guān)，黑色素是決定膚色的色素。也許X射線和CT掃描儀檢測到深色皮膚中較高的黑色素含量，并以人類用戶以前從未注意到的某種方式將這些信息嵌入數(shù)字圖像中。這還需要更多的研究才能確定。

那么，這樣的測試結(jié)果是否證明了不同種族之間的先天差異？在接受《波士頓環(huán)球報》采訪時，漢普郡學院生物人類學教授、《種族主義不是種族》一書的合著者艾倫·古德曼（Alan Goodman）不這么認為。古德曼對論文的結(jié)論表示懷疑，并表示他懷疑其他研究人員能否重現(xiàn)這些結(jié)果。但即使能重現(xiàn)，他認為這一切都是與地理有關(guān)，而不是種族。

古德曼說，遺傳學家沒有發(fā)現(xiàn)人類基因組存在重大種族差異的證據(jù)。但他們確實根據(jù)祖先居住的地方發(fā)現(xiàn)了人與人之間的重大差異。

“如果他們不使用種族，而是查看某人的地理坐標，機器也會這樣做嗎？”古德曼答道，“我的感覺是機器也能做到?！?/p>

換句話說，人工智能可能能夠通過X射線確定一個人的祖先來自北歐，另一個人來自中非，第三個人來自日本。古德曼說，“你稱這是種族，我稱之為地理差異?！?即便如此，他承認目前尚不清楚人工智能如何僅通過X射線檢測到這種地理差異。

Celi認為，醫(yī)生應該會不愿意使用可能會自動產(chǎn)生偏見結(jié)果的AI診斷工具。他說道，“我們需要暫停一下。在我們確定其沒有做出種族主義決定或性別歧視決定之前，我們不能急于將算法帶到醫(yī)院和診所?！?/p>