隨著Google電腦戰勝世界棋王、無人車在各國上路測試,人工智慧(Artificial Intelligence,AI)近年也進入醫療場域,成為醫療產業最熱門的關鍵字。
近兩年,國內從科技部、工研院、到各大醫學中心,無不積極投入AI研究。不僅從門診、病房到手術室,都可見到AI的應用,去年底開始,更陸續有醫院開設「AI門診」。
什麼是AI門診?是機器人幫病人看病嗎?其實不是。
台北榮民總醫院、中國醫藥大學附設醫院的AI門診,定位是「輔助」決策。民眾看診時,醫生會利用AI系統做初步診斷,但還是得再由醫師親自確認、比對一次。
到底AI在醫院裡做些什麼?未來又會怎樣改變看病的方式?《康健》帶你一次搞懂AI醫療的2個現在式和3個未來式:
AI現在式1 輔助醫師看影像報告、診斷疾病
目前,不論全球或台灣,人工智慧應用在醫療上發展最快速的,是醫學影像的自動判讀。
廣告 - 內文未完請往下捲動
光是去年,美國就核准了12項AI判讀影像技術。比方從視網膜攝影中,揪出糖尿病病變;還可從X光片中偵測骨折、從電腦斷層判斷腦血管阻塞程度與腦中風風險。
在台灣,包括台大醫院、台北榮民總醫院、台北醫學大學附設醫院、中國醫藥大學附設醫院、彰化基督教醫院、長庚紀念醫院等醫學中心,也開始利用AI分析腫瘤的電腦斷層、心血管與視網膜攝影、X光片以及皮膚、傷口的病變情況。
AI輔助判讀最直接的好處就在於電腦不會累,且運算能力比人腦強大,除了幫醫生節省時間,在分秒必爭的醫療現場,也能保持最佳狀態,給出精準判斷。
林口長庚紀念醫院外傷急診外科過去統計,急診中約有10~14%的高齡髖骨骨折,因病癥細微而未能被診斷出來,一旦延誤治療,往往影響日後存活率。
去年團隊以上萬筆資料訓練AI看骨折X光,電腦僅需3~5分鐘就看完150張片子,平均準確率達96%。若全靠放射科、外科醫師看,得花上180~350分鐘,準確度介於70~96%。
分析數據的時間縮短,醫生也可把更多時間花在和病人及家屬進行有溫度、人與人的接觸溝通上。
廣告 - 內文未完請往下捲動
中國醫藥大學附設醫院兒童遺傳內分泌科主治醫師蔡輔仁指出,醫院在兒科導入AI骨齡的輔助診斷系統後,以前要判斷一張X光片,資淺醫生得花約10分鐘,他花3~5分鐘;導入AI判讀後,判讀時間縮短到0.1秒以下。
台北榮民總醫院放射線部主任郭萬祐則表示,以往腫瘤電腦斷層的報告需等5~7個工作天,病人得等到下次回診才知道檢查結果。利用AI縮短人為作業時間,病人檢查後立刻就可知初步結果。
AI現在式2 提供治療決策建議
IBM開發的「華生( Watson for Oncology)」,因日前傳出IBM裁員並縮減計劃規模,被視為AI與醫療匯流的一大挫敗。
台北市立萬芳醫院醫療資訊長陳俊佑指出,這是因為過去外界過度期待華生的功能,將它視為「預測」癌症復發的工具。其實它最主要是提供醫師治療方案的「決策輔助」。
華生是利用AI深度學習模式,閱讀數萬篇癌症期刊、研究與病歷報告,當醫生輸入病患的癌症檢查報告與病歷,華生就能快速從大數據中依存活率、治療效果、副作用等排序出建議的治療方案。
工作忙碌、醫學進展速度快,醫生不見得能及時掌握所有最新研究。華生可快速幫醫師彙整這些資料,使醫師的考慮更全面。「類似幫醫師找資料、讀文獻,醫師決策時會更有信心,」陳俊佑說。(推薦閱讀:【康健高齡論壇】 AI --為了解決問題才存在)
廣告 - 內文未完請往下捲動
(圖片來源:shutterstock)
AI未來式1 預測疾病發生風險、提升存活率
除了讓AI當助理判讀影像、找資料的「現在式」之外,醫界更期待靠AI強大的運算力,突破醫師經驗限制,提前預測疾病。
像是美國麻省理工學院,長期收集長照中心老人的多項數據,包括平時憂鬱、躁動或睡眠情況,試圖從中爬梳老人進展到阿茲海默症的關鍵指標,未來就能提早介入治療。
國內如台北醫學大學附設醫院、台北馬偕紀念醫院也利用AI,找出加護病房內敗血症與洗腎中低血壓發生的徵兆。
簡單來說,就是將病患在治療過程中所有的生理數據、檢查結果都餵給電腦,讓AI從中整理出疾病發生的軌跡。
台北醫學大學附設醫院急診重症醫學部重症醫學科主任袁國慶說:「加護病房內每天收集了病人大量的醫療數據,但醫生腦力有限,時間也有限。」面對滿坑滿谷的線索,醫生仍只能從中擷取一個片段分析。
現在利用AI可初步算出病患4小時後發生敗血症的機率,並隨著病患的生理變化,24小時不間斷、持續運算、更新結果。「依風險高低,醫師能更有效率決定照護資源配置,」袁國慶指著iPad上閃著不同顏色的螢幕說。不過這部分演算法相對複雜,目前發展也較緩慢。
廣告 - 內文未完請往下捲動
AI未來式2 個人化健康預防、協助新藥開發
AI更讓人期待的應用,是延伸到比對藥物與病患個人數據、加速新藥開發,以及讓藥物的使用能免除試錯過程,更加精準、個人化。
比方,有一天,AI將結合更精準的穿戴式產品,將個人的生理數值、基因檢測、病歷、環境品質、生活習慣等各種大數據統統收集下來,達到提前預警、精準診斷、治療、提升存活率。
彰化基督教醫院資訊室主任許天成說,這部分難度更高。以癌症復發為例,病人預後跟日後生活模式、飲食、壓力都有關,這些數值很難量化跟精準掌握。
台大醫院現打算收集全院住院病患大數據,希望能請AI算出哪些是容易再入院的病患,也開始結合穿戴式手環,收集病患在院外的健康數據,包括睡眠、運動、與PM2.5曝露量。
(推薦閱讀:AI帶來的科技醫療,醫師的人工智慧如何因應?)
AI未來式3 善用資源、拉近城鄉醫療落差
當AI能成功複製醫生的經驗智慧,就有機會減少醫療資源的落差。中國醫藥大學附設醫院眼科部視網膜科主任陳文祿以「糖尿病視網膜病變判讀系統」為例,過去大部分家醫科、內科醫師因不熟悉眼科影像解讀,多半會建議病患做完檢查後,轉診眼科。未來,若讓系統輔助非眼科醫師,病患不必轉診就可以得知基本的結果。
廣告 - 內文未完請往下捲動
蔡輔仁認為,類似的方式還可用在醫師不足、醫療水平較落後的地區,將有助弭平醫療資源落差。
但AI進入醫療場域後,醫生會不會被取代?或是變得更強大?
綜合以上所述,答案應該是後者。AI只可能取代整個診療流程中的部分環節,輔助醫生的診療更精準。醫病關係當中,人與人之間有溫度、有情感的交流,是AI最無法取代之處。
AI也確實改變了原有的工作模式。一位醫師這樣形容:「未來我們的工作更像機師,飛行導航系統能提供最精準的數據,醫師做的就是整合、判斷。決策權還是在人類身上。」
回到現況,發展AI醫療,台灣還有很長的路要走。
台大醫院先前研發一款判別傷口的App,病人將傷口拍照上傳,就可知道傷口是否有感染,但團隊一度考慮該不該讓民眾下載使用。台大醫院整形外科主任戴浩志說,雖準確度高達9成,「但牽涉到醫療行為必須很謹慎,若延誤了病患治療,誰來負責?」
此外,法規未能與時俱進也是原因之一。目前,利用AI做決策輔助,只要涉及醫療行為,都得通過食藥署「第二級醫療器材」的審核。但由於AI進入醫療場域也是近一、兩年才開始,衛福部尚未制定出審核AI類醫材的準則。因此,目前國內尚未有任何一種AI系統通過核准。各醫院的AI應用,只要用在病人身上,都須在研究計劃的範疇下進行。民眾到AI門診看病,也要簽同意書,確認自己的診斷將變成研究結果的一部分。
廣告 - 內文未完請往下捲動
要提高AI準確性,最關鍵的還是資料的品質。如果數據不夠完整、正確,結果就會很差。不少醫師坦言,醫院過去累積的病歷資料、影像報告不免有錯誤、缺漏、損毀。光要重新彙整、標記資料,就是個大工程。
(推薦閱讀:人工智慧來了,保健和診療守則全翻新)
許天成說,在談AI之前,醫院得先做好資訊化、數據彙整、資訊流通等工作。像是近年不少醫院除了病歷電子化,也開始做跨科別的資訊流通整合、病房數據即時監測、發展區塊鏈保護資料隱私等,這些都是AI發展重要的基礎工程。