该研究论文的另一名作者、斯坦福大学的皮肤科医师Robert Novoa说：“当皮肤科医生看到这种技术的潜力时，我认为他们大多数都会喜欢这种技术。”他和团队其它成员都拒绝透露是否打算将该软件商业化。

纪念斯隆凯特琳癌症中心（Memorial Sloan Kettering Cancer Center）的皮肤科医师兼国际皮肤数字成像学会（International Society for Digital Imaging of the Skin）会长的Allan Halpern表示，担忧医生不久将会失业的想法都是不恰当的。他认为算法能够推动皮肤病学服务的迅速提高。

这是因为筛查测试中呈阳性的样本仍需进行活检。Halpern说，深度学习软件能够在初级保健机构发挥作用，但是，如果要将其作为全民的筛查测试，直播，或者是通过向消费者提供此应用程序，这还没有足够的皮肤科医生跟踪可疑的情况。

Axerio-Cilies表示，一些公司将会受此激励而直接向消费者提供深度学习的诊断工具。例如，人们可以利用这些工具来扫描他们身上的痣（moles），然后决定是否他们应该去看皮肤科医生。也有一些非AI的手机应用程序，如Mole Mapper，已经能够跟踪并记录人们身上可疑的痣。

然而，Halpern说，他认为消费者还没有准备好使用深度学习诊断系统，因为这些系统可能会用不确定的概率（如显示消费者患癌的概率为5%，也可能是50%……）来描述消费者患癌的可能性，这种方式会让他们感到不适。

- END -

编辑：Steven

　　参考：https://www.technologyreview.com/s/604271/deep-learning-is-a-black-box-but-health-care-wont-mind/?set=604280

「DeepTech深科技」招募全球记者、采编。申请加入：[email protected]

DeepTech深科技战略合作伙伴：