AI在醫院做什麼？　你看病的方式正在改變

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。

（推薦閱讀：AI+醫療 讓最需要複雜溝通的醫療現場 成為醫病之間最遙遠的距離？）

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。

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。

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）

（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。

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。

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。

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。