醫生無法僅通過X光片來判斷某人是黑人、亞洲人還是白人。但是，根據麻省理工學院（MIT）和哈佛醫學院等的科學家團隊的最新研究發現，計算機可以做到。

研究發現，受過訓練的AI模型可以以90%的準確率預測一個人的種族。但進行這項研究的科學家表示，他們不知道AI是如何做到的。該論文于近日發表在醫學雜志《柳葉刀數字健康》上。

“當我的研究生向我展示這篇論文中的一些結果時，我實際上認為這一定是一個錯誤，”麻省理工學院電氣工程和計算機科學助理教授、該論文的合著者Marzyeh Ghassemi說，“當他們告訴我的時候，我真的以為我的學生瘋了。”

AI診斷模型在醫學影像讀片中的表現優異并不是令人驚訝的事，但這個識別種族的本領之所以引人關注，一方面是其工作原理仍是謎團，另一方面，人們不得不擔憂人工智能可能會放大醫療領域現有的種族差距。

如2019年在《科學》發表的研究（Dissecting racial bias in an algorithm used to manage the health of populations）發現，美國一個每年管理約2億人醫療的算法，建議為黑人患者提供額外護理的概率只有白人患者的一半。因為黑人通常比患有相同病癥的白人獲得更低的風險評分，所以黑人必須比白人的病更重，才能獲得幫助。

《波士頓環球報》稱，在人工智能軟件越來越多地用于幫助醫生做出診斷決定的時候，這項研究提出了一個令人不安的前景，即基于人工智能的診斷系統可能會無意中產生帶有種族偏見的結果。例如，人工智能（可以使用X射線）可以自動為所有黑人患者推薦特定的治療方案，無論它是否最適合特定的人。同時，病人的人類醫生不會知道人工智能的診斷是基于種族數據的。

“我們問自己，如果計算機不能分辨一個人的種族，那怎么可能？”另一位合著者、哈佛醫學院副教授Leo Anthony Celi說。這項研究工作即開始于，科學家注意到檢查胸部X光片的AI有更可能錯過黑人患者疾病的跡象。

該研究團隊首先使用X射線和CT掃描的標準數據集訓練了一個人工智能系統，其中每張圖像都標有人的種族。這些圖像來自身體的不同部位，包括胸部、手部和脊柱。計算機檢查的診斷圖像不包含明顯的種族標記，如膚色或頭發質地。該程序通常能以遠高于90%的驚人準確率識別出圖像中人的種族。

工作原理是什么？

對這個問題，Ghassemi及其同事們仍感困惑，她懷疑這與黑色素有關，黑色素是決定膚色的色素。也許X射線和CT掃描儀檢測到深色皮膚中較高的黑色素含量，并以人類用戶以前從未注意到的某種方式將這些信息嵌入數字圖像中。這還需要更多的研究才能確定。

那么，這樣的測試結果是否證明了不同種族之間的先天差異？在接受《波士頓環球報》采訪時，漢普郡學院生物人類學教授、《種族主義不是種族》一書的合著者艾倫·古德曼（Alan Goodman）不這么認為。古德曼對論文的結論表示懷疑，并表示他懷疑其他研究人員能否重現這些結果。但即使能重現，他認為這一切都是與地理有關，而不是種族。

古德曼說，遺傳學家沒有發現人類基因組存在重大種族差異的證據。但他們確實根據祖先居住的地方發現了人與人之間的重大差異。

“如果他們不使用種族，而是查看某人的地理坐標，機器也會這樣做嗎？”古德曼答道，“我的感覺是機器也能做到。”

換句話說，人工智能可能能夠通過X射線確定一個人的祖先來自北歐，另一個人來自中非，第三個人來自日本。古德曼說，“你稱這是種族，我稱之為地理差異。” 即便如此，他承認目前尚不清楚人工智能如何僅通過X射線檢測到這種地理差異。

Celi認為，醫生應該會不愿意使用可能會自動產生偏見結果的AI診斷工具。他說道，“我們需要暫停一下。在我們確定其沒有做出種族主義決定或性別歧視決定之前，我們不能急于將算法帶到醫院和診所。”