AI如何幫助使用者理解皮膚狀況的研究

谷歌研究院的科學家Rory Sayres和Yun Liu近日發表了兩項關於人工智慧如何幫助普通人理解皮膚狀況的研究。超過一半的成年人透過網際網路獲取健康資訊，其中三分之一會使用人工智慧，但資訊的可及性並不等於易於理解。特別是皮膚病領域，使用者常常難以用正確的術語描述症狀，例如注意到“腿上的紅點”卻不知道醫學術語“可觸性紫癜”。

第一項研究題為《消費者對AI驅動的資訊工具理解皮膚問題的評估》，發表於《美國醫學會雜誌·皮膚病學》。該研究透過線上調查，向2345名參與者展示了匿名的皮膚病例，包括影像和病史。參與者被隨機分為三組：對照組使用常規網路搜尋，AI組使用一個提供3至7種匹配條件的AI原型介面，“綠野仙蹤”組則使用由皮膚科專家提供的高質量預測結果。結果顯示，AI組參與者更願意嘗試命名病情（62%對41%），且準確率提升了近三倍（23%對8%）。然而，在判斷下一步行動（如使用家用療法還是緊急就診）方面，AI組並未表現出顯著優勢，甚至傾向於選擇較不緊急的措施。AI組的下一步準確率沒有顯著提高，而“綠野仙蹤”組略有提升（63.5%對60%）。

第二項研究題為《藉助AI應對皮膚問題：以人為中心的社群皮膚病學應用調查》，發表於去年的ACM計算機-人互動會議（CHI）。研究團隊與斯坦福醫療AI應用團隊及聖克拉拉家庭健康計劃合作，招募了110名有實際皮膚問題的參與者，他們主要使用四種語言。參與者使用翻譯為本民族語言的AI應用，隨後立即諮詢臨床醫生。結果發現，參與者命名病情的準確率提升了260%，但絕對數值仍然較低。參與者高度依賴教科書影像與自身病情的視覺匹配，這凸顯了AI工具需要涵蓋多種膚色、嚴重程度和身體部位的影像的重要性。臨床醫生在86%的情況下認為AI預測與自身診斷一致，並在92%的情況下認為該應用有幫助，常將其作為醫患溝通的參考工具。

綜合兩項研究，谷歌團隊認為，基於影像的AI搜尋能降低使用者門檻，但未來需要更個性化的AI指導，幫助使用者有效解讀複雜的醫療資訊。研究人員強調，持續開展以人為中心的研究至關重要，以確保AI工具真正服務於多元背景的使用者，改善他們的健康決策。