據國外媒體報道，Google DeepMind 與多個機構合作，發布了一種名為 CoDoC(Complementarity-Driven Deferral to Clinical Workflow)的 AI 系統，旨在提升醫療 AI 診斷的可靠性和準確性。

　　該系統能夠學習何時預測 AI 提供正確信息，并在需要時聽從臨床醫生的建議。CoDoC 通過人工智能與人類的協作，探索了在醫療環境中提供最佳結果的方法。 在乳腺癌和結核病的篩查過程中，CoDoC 相對于單獨依靠臨床醫生或 AI 基線，提高了準確性。在乳腺癌篩查方面，與英國篩查項目中的「雙讀仲裁」相比，CoDoC 將假陽性率降低了25%，同時減少了臨床醫生的工作量66%。

　　在結核病分類方面，與獨立的人工智能和臨床工作流程相比，CoDoC 將假陽性率降低了5-15%，在相同的假陰性率下取得了更好的效果。 為了提高現實世界中醫療 AI 模型的透明度和安全性，研究人員還在 GitHub 上開源了 CoDoC 的代碼。該研究以「Enhancing the reliability and accuracy of AI-enabled diagnosis via complementarity-driven deferral to clinicians」為題，發表在《Nature Medicine》上。

　　CoDoC 的開發目標是讓非機器學習專家(如醫療保健提供者)能夠輕松部署和運行系統，并且只需相對較少的訓練數據。該系統與任何專有的人工智能模型兼容，無需了解模型的內部工作原理或訓練數據。 CoDoC 通過幫助預測性人工智能系統「知道何時不知道」來提高可靠性。它學習了預測 AI 模型與臨床醫生的解釋相比的相對準確性，并根據預測 AI 的置信度分數進行決策。

　　在測試中，CoDoC 展現了其在乳腺癌和結核病診斷方面的潛力，通過與預測 AI 結合，獲得了更高的準確性和效率。 然而，這項研究還存在一些局限性，例如需要增加更多的數據來訓練系統，并且當前的臨床實踐還不允許基于人工智能的自主決策。未來，醫療保健供應商和制造商需要進一步解決這些問題，以確保負責任地開發醫療 AI 工具。

　　通過發布 CoDoC 系統，Google DeepMind 在提升醫療 AI 診斷可靠性和準確性方面取得了重要進展。這一研究為將人工智能與人類專業知識相結合的方法提供了新的思路，為醫療保健 AI 的發展開辟了新的可能性。