“诊断”是一款移动应用，它利用医学生和专业人士的集体智慧来标记和评估医疗数据。这一过程被游戏化，并为准确诊断提供现金奖励，帮助医疗人工智能公司改进他们的算法。Centaur的方法提供了可靠的结果，通常匹配或超过专家的诊断。杜海姆设想了一个未来，他的公司将持续监控人工智能模型，创造一个人类专业知识和人工智能的综合生态系统。

麻省理工学院校友的平台利用大众的智慧为人工智能公司标记医疗数据。

Centaur Labs开发了一款应用程序，专家们用它来对医疗数据进行分类，以换取小额现金奖励。这些意见被用来训练和改进拯救生命的人工智能模型。

当Erik Duhaime博士在麻省理工学院集体智慧中心写论文时，他注意到他的妻子，当时是一名医学生，花了几个小时研究提供抽认卡和小测验的应用程序。他的研究表明，作为一个群体，医科学生比专业皮肤科医生更能准确地对皮肤病变进行分类;这个方法的诀窍是，在已知答案的情况下，不断地衡量每个学生的表现，抛弃那些在任务中表现不佳的人的意见，并聪明地汇集那些表现良好的人的意见。

杜海姆将妻子的学习习惯与自己的研究结合起来，创立了Centaur Labs公司，该公司开发了一款名为DiagnosUs的移动应用程序，用于收集医学专家对现实世界科学和生物医学数据的意见。通过这款应用，用户可以查看任何可能出现癌变的皮肤病变图像，或心肺声音的音频片段，这些都可能表明存在问题。如果用户是准确的，Centaur会使用他们的意见并奖励他们小额现金奖励。这些意见反过来又帮助医疗人工智能公司训练和改进他们的算法。

Centaur实验室的联合创始人(左至右)Tom Gellatly, Erik Duhaime博士' 19，和Zach Rausnitz。图片来源:研究人员提供

这种方法结合了医学专家磨练技能的愿望，以及将人工智能用于生物技术、开发药物或商业化医疗设备的公司对标记良好的医疗数据的迫切需求。

杜海梅回忆道:“我意识到我妻子的学习对人工智能开发人员来说可能是有益的工作。”“今天，我们有成千上万的人在使用我们的应用程序，其中大约一半是医科学生，他们在学习过程中赢了钱，这让他们大吃一惊。所以，我们有了这个游戏化的平台，在这个平台上，人们相互竞争，训练数据，如果他们表现出色，就能赢得奖金，同时提高他们的技能。通过这样做，他们可以为开发拯救生命的人工智能的团队标记数据。”

医疗标签游戏化

杜海梅在托马斯·马龙(Patrick J. McGovern管理学教授和集体智慧中心创始主任)的指导下完成了他的博士学位。

“让我感兴趣的是群体智慧现象，”杜海梅说。“问一群人一个罐子里有多少颗软糖，每个人的平均答案都很接近。我感兴趣的是你如何在需要技能或专业知识的任务中解决这个问题。显然，你不想随便问一群人你是否得了癌症，但与此同时，我们知道在医疗保健中，第二意见是非常有价值的。你可以把我们的平台看作是获得第二种意见的增压方式。”

杜海梅开始探索利用集体智慧来改善医学诊断的方法。在一项实验中，他训练了一群被他称为“半专家”的非专业人士和医学院学生，让他们对皮肤状况进行分类。他发现，通过综合表现最好的人的意见，他的表现可以超过专业皮肤科医生。他还发现，通过将经过训练的检测皮肤癌的算法与专家的意见结合起来，他可以单独胜过任何一种方法。

杜海姆解释说:“核心观点是你要做两件事。“第一件事是衡量人们的表现——这听起来很明显，但即使在医学领域，这也做得不多。如果你问一个皮肤科医生他们做得好不好，他们会说，‘当然好，我是皮肤科医生。“他们不一定知道自己在特定任务上有多出色。第二件事是，当你得到多种意见时，你需要确定不同人之间的互补性。你需要认识到专业知识是多方面的，所以这更像是组建一个最优的琐事团队，而不是让五个人在同一件事情上都是最好的。例如，一位皮肤科医生可能更擅长识别黑色素瘤，而另一位皮肤科医生可能更擅长分类牛皮癣的严重程度。”

在攻读博士学位期间，杜海梅创立了Centaur，并开始利用麻省理工学院的创业生态系统进一步发展这个想法。2017年，他获得了麻省理工学院沙盒创新基金(Sandbox Innovation Fund)的资助，并于2018年夏天参加了由麻省理工学院创业马丁信托中心(Martin Trust Center for MIT Entrepreneurship)运营的delta v创业加速器。这段经历帮助他在那年晚些时候进入了著名的Y Combinator加速器。

Duhaime与Centaur的联合创始人Zach Rausnitz和Tom Gellatly共同开发了这款名为DiagnosUs的应用程序，旨在帮助用户测试和提高他们的技能。杜海梅说，大约一半的用户是医学院的学生，另一半主要是医生、护士和其他医疗专业人员。

杜海姆说:“这比为考试而学习要好，因为考试可能会有多项选择题。”“他们可以看到实际案例并进行实践。”

Centaur每周从世界各地成千上万的人那里收集数百万条意见。杜海梅说，大多数人都是靠咖啡赚钱的，尽管从这个平台上赚得最多的是东欧的一名医生，他赚了大约1万美元。

“人们可以在沙发上做，也可以在T上做，”杜海姆说。“这感觉不像工作——这很有趣。”

这种方法与传统的数据标签和人工智能内容审核形成鲜明对比，后者通常外包给资源匮乏的国家。

半人马的方法也产生了精确的结果。在一篇与布莱根妇女医院、马萨诸塞州总医院(MGH)和埃因霍温理工大学的研究人员合作的论文中，Centaur展示了它的众包意见，标记了肺部超声波，与专家一样可靠。另一项由纪念斯隆凯特琳学院的研究人员进行的研究表明，对皮肤镜图像进行众包标记比经验丰富的皮肤科医生更准确。除了图像，Centaur的平台还可以处理视频、音频、研究论文等来源的文本或医生和病人之间的匿名对话，以及脑电图(eeg)和心电图(ECGs)的波。

寻找专家

Centaur发现，表现最好的人来自令人惊讶的地方。2021年，为了收集专家对脑电图模式的意见，研究人员在一次有大约50名癫痫学家参加的会议上，通过诊断应用程序举办了一场比赛，每位专家都有10年以上的经验。组织者定制了一件衬衫，送给比赛的获胜者，他们认为获胜者会出席会议。

但是当结果出来的时候，加纳的一对医科学生杰弗里·丹夸和安德鲁斯·吉阿巴击败了所有参加比赛的人。排名最高的与会者排在第九位。

Gyabaah后来告诉Centaur的团队:“我一开始是为了钱，但我意识到它实际上帮了我很多。”“在诊所里，有几次我意识到，由于我在诊断软件上学到的东西，我比别人做得更好。”

随着人工智能继续改变工作的性质，Duhaime认为Centaur实验室将被用作对人工智能模型的持续检查。

杜海姆说:“目前，我们主要是帮助人们训练算法，但我认为，我们将越来越多地用于监控算法，并与算法相结合，基本上在一系列任务的循环中充当人类。”“你可能不认为我们是训练人工智能的一种方式，而更多地认为我们是整个生命周期的一部分，我们为模型的输出提供反馈或监控模型。”

杜海姆认为，人类和人工智能算法的工作正变得越来越融合，他认为Centaur实验室在未来将发挥重要作用。

“这不仅仅是训练算法，部署算法，”Duhaime说。“相反，这些数字装配线将遍布整个经济体系，你需要在价值链的不同地方注入按需专家的人工判断。”