如何通过阅读提升你的领导力？

文章主题：

如何通过阅读提升你的领导力？

【编者按】2月16日，OpenAI首个视频生成模型Sora的发布，明显可以看出对其世界的感知和反应，所以OpenAI并未单纯将其视为视频模型，而是作为“世界模拟器”。人们开始广泛讨论人工智能（AI)是否会影响到自己所在的行业。肾脏病理学家Agnes B Fogo等于2024年2月13日在《美国医学会杂志》(The Journal of the American Medical Association，JAMA)上发文，探讨了AI对医学行业的威胁。您怎么看？如何通过阅读提升你的领导力？

AI已经进入医疗领域，迅速而不引人注目的是，它似乎与专业的互动已被接受，没有仔细调查或深入考虑……美国作家协会和17位作家最近对OpenAI提起诉讼，指控OpenAI为其小说作品侵犯版权，这些作品被用来训练GPT。这个诉讼指出“被告将原告受版权保护的作品输入到他们的……算法中，这些算法设计用于输出看起来像人类的文本响应”以及“这些算法的核心是大规模的系统性盗窃”。在医学发展中，医生在自愿的基础上将他们的知识传授给人工智能（artificial intelligence，AI），花费数小时宝贵的研究时间与人工智能系统共享专家知识，这种情况与医学发展有多大的不同？人工智能进入医学领域如此迅速和低调，似乎它与专业的互动已被接受，没有仔细调查或深入考虑。很明显，人工智能的应用程序正在以闪电般的速度发展，从最近的文献来看，我们正在朝着什么方向发展变得非常明显，而且并非所有这些都是好的。人工智能在速度、一致性和准确性方面可能具有惊人的性能，但其所有操作都是建立在该领域专家的知识基础上的。我们在此以肾脏病理学领域为例来说明其发展，强调该领域只是医学其他领域的范式。世界各地的许多病理学家正在对组织样本进行注释，以满足算法的需要，并且在算法能够识别基本亚单位之前，需要多达10万条注释的情况并不少见，如肾小球。经过这巨大的努力，算法将在瞬间完成它的工作。有一种假设是，算法可能很快被用来执行那些被认为是耗时且在智力上不具挑战性的繁琐任务，从而节省宝贵的时间。可以想象，在不久的将来，病理学家不仅会收到肾脏活检的扫描切片，而且还会附上一份清单，其中包括肾小球数量和间质纤维化面积等数据。有了这些信息，病理学家只需关注更复杂的病变即可做出诊断（图）。如何通过阅读提升你的领导力？

图：AI染色的肾活检的切片图像以及AI生成的数据

肾小球数目：23全球硬化：

检测到节段性硬化：否检测到GBM改变：否检测到新月体：否毛细血管内细胞增多：2%足细胞密度：86.8（低于正常值）系膜细胞增生（最大值）：5粘连：否间质纤维化：17.4%肾小管萎缩：13.9%炎症，面积：12.1%炎性细胞检测：淋巴细胞（82%）粒细胞（1.2%）浆细胞（3.5%）未定（13.3%）IF/IH：仍在处理中EM：仍在处理中

这种染色象征着一种新的，目前尚未使用，但给人工智能使用的染色。EM电镜；GBM, 肾小球基底膜；IF/IH，免疫荧光/免疫组化。这种情况的缺点是，如果病理学家不再需要评估基本的组织学要素工作；这样做的技能就会逐渐丧失。为什么是缺点，以及为什么在我们知道病理学家表现出一定程度的观察者间差异的领域提供数据，不只是省时而且有帮助呢？人们经常指出，使用人工智能评估组织载玻片的一个巨大优势是其一致性和无偏差性；然而，有证据表明，人工智能算法也会经历观察者之间的变异性和不同的表现率。一个重要的危险是，通过将肾活检的基本元素从病理学家的角度移开，这些将在临床病理学的日常实践中受到越来越少的关注，因此，肾脏基本结构的真正智能将被减弱。特别是，在肾脏病理专家不具备的领域，人工智能生成的输出可能很快成为标准，从而进一步加快了人工智能的进程。人工智能驱动的病理学将非常便宜。最近的一篇综述报道，27篇关于肾脏病理学AI的文章随后发布了免费使用工具，这种做法正在越来越广泛。优势是，这本应花费病理学家许多小时的评分，成为了用户越来越容易获得的工具。现在，任何需要这些工具的人都可以使用这些工具，而无需额外费用，并且可以立即获得。立法和监管要求可能会暂时减缓向纯人工智能病理学的转移，但包括人工智能驱动的病理学全天候可使用，并将产生不可反驳的一致数据，成为了这一过程的加速器，因为没有替代的专业知识来形成任何争论的基础。随着所有这些发展，我们似乎不可避免地走向一个基本上基于输入和输出的医学世界。对于病理学，输入继续是组织样本，尽管检查将发生变化，由于AI不需要传统的组织学染色，它也可以不依赖于染色而工作。输出被定义为临床参数。基于输入-输出理念，AI驱动与人类驱动病理学中的一个重要转变包括通过无监督策略开发AI定义组织样本中感兴趣的区域，通过该策略确定与临床结果有一定关系的特定像素模式。一个优点可能是，尽管病理学家受到先前建立的类别和限制，AI方法可以识别病理学家尚未识别的某些模式。通过省略传统的组织学命名法，并使用自己学习算法从组织中收集任何类型的数据，人工智能观察成为结果的替代标记，将未进一步定义的输入，转化为仅专注于临床决策的输出，而不了解其间的致病过程。我们只能希望，只要真正的组织学知识仍然存在，人类就能够赶上新定义的结构。目前，输入-输出策略可能会产生关于疾病机制的新假设，甚至可能允许概念验证的临床试验。事实上，当前的时代可以受益于人工智能带来的新思想，因为它实际上是“开箱即用”的思维方式，提供了我们以前从未想过的结构。但另一方面，如果我们不能理解人工智能生成的新定义结构背后的过程，就无法开发出改变相关结果的逻辑处理方法。剩下的问题是，在基于组织学结构的概念验证的试验中，哪一个概念被证明是没有任何意义的。最近利用无监督机器学习的研究已经确定了在传统肾脏病理学中没有名字的组织区域，但是很少有人努力去理解它们，对人工智能带来的新想法和假设的思考是否会被应用到科学兴趣，或者仅仅被认为理所当然。我们应该认识到，如果允许这种情况继续下去，在不久的将来，有关疾病发展的发病机制的知识将迅速减少。一旦我们进入这样一个阶段，即输出被定义在由输入提供的黑匣子中，而这个黑匣子包含的结构与先前定义的实体不再一致，今天关于疾病机制的大部分知识将被遗忘，我们将被只关注于提供最佳可能结果的干预策略的系统所统治。这个时代将显示出同道之间智力辩论的减少，这是计算机科学家已经警告过我们的时代的标志。当文学作家们为管制人工智能在艺术中的使用而斗争时，医师们应该考虑如何在不失去对其职业控制的情况下利用人工智能在医学中的潜在益处。随着美国颁布里程碑式的行政命令，以确保美国在管理人工智能风险方面处于领先地位，而欧盟成为第一个为人工智能的使用制定明确规则的大陆，医师应认识到，将人工智能控制在一定范围内对于其职业的生存以及在诊断和理解疾病机制方面取得有意义的进展至关重要。阅读原文2024 JAMA Fogo AI’s Threat to the Medical Profession.pdf

如何通过阅读提升你的领导力？