身體不適，去醫(yī)院檢查卻被醫(yī)生告知，身體一切正常，有可能是患了職業(yè)病！說起職業(yè)病，我想從事制造業(yè)的小伙伴應(yīng)該更有發(fā)言權(quán)吧。初期只是有點(diǎn)耳鳴，交談什么都還算正常。到后來，個(gè)人聽覺能力開始進(jìn)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(gè)比較緩慢的過程。噪聲作業(yè)工齡較長(zhǎng)的人如果聽力損傷比較嚴(yán)重，后續(xù)治愈的機(jī)率并不高，極個(gè)別還有可能留下終生殘疾。
有些小伙伴表示，在自己聽力還沒有完全喪失之前，自己很清楚地感覺到身體不適，去醫(yī)院檢查后，醫(yī)生卻告知我身體沒有任何異常，再后來“我”的聽力就已經(jīng)沒辦法治愈了。
針對(duì)這種情況，小編表示很正常。就拿經(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(xiàng)數(shù)據(jù)一對(duì)比可以發(fā)現(xiàn)，假陽性率要比假陰性率高得多，而這會(huì)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(yàn)，醫(yī)生通常會(huì)認(rèn)定你的檢查結(jié)果是正常的。正是因?yàn)檫@種原因，才會(huì)出現(xiàn)上述小伙伴所遇到的情況。
為降低這類誤診率，現(xiàn)如今有很多領(lǐng)域就已經(jīng)開始借助AI人工智能診斷職業(yè)病了。
在訓(xùn)練AI的過程當(dāng)中，拿來訓(xùn)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(huì)造成AI先入為主的檢病邏輯。說白了就是AI沒有全局觀，只會(huì)做選擇題而不會(huì)做分析題。沒有全局觀就不能用來檢測(cè)疾病了嗎？職業(yè)病檢測(cè)就正好適合這種沒有全局觀的AI。而且正是由于AI沒有全局觀，所以它對(duì)職業(yè)病診斷的精準(zhǔn)率較于人類醫(yī)生要高出很多。
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(jìn)行的體檢項(xiàng)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(cè)的AI不需要檢測(cè)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(xì)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(xì)胞有沒有受損，別的一概不管，僅此而已。
由此看來，把AI運(yùn)用到職業(yè)病領(lǐng)域，是細(xì)鉆垂直領(lǐng)域應(yīng)用的一個(gè)典型表現(xiàn)。
|
