【醫學新知】24小時不休息、診斷快、效率高… AI人工智慧將改變醫療風貌！

諮詢／張晃維（Google Life Science資深工程師）、黃博浩（臺大醫院外科部神經外科主治醫師）、葉肇元（臺大醫學系畢業、美國南加州大學病理博士候選人）
撰稿／張晃維、黃靜宜

你聽過Watson醫師嗎？它可是近年來全球最知名的醫師。2016年8月8日在日本東京大學，Watson在10分鐘內比對2000萬份癌症研究論文，診斷出一位66歲女性罹患罕見的白血病，並提出適當的治療方案，最後該患者也順利痊癒出院。

Watson是誰？Ｗatson是IBM公司所開發的人工智慧系統，全名為Watson for Oncology。Watson「醫師」擁有300多種醫學期刊、200多本教科書，以及將近1,500萬頁文件的資料知識，當病人敘述其病史及症狀時，Watson可初步判讀病人可能的病因，提供診斷和治療資訊。全球有一些醫療院所包括台灣已經採用這套系統。

在美國舊金山，一家名為「Forward」的診所於2017年11月開張，擔綱重任的是AI人工智慧，人們一走進去就可進行身體掃描，由AI系統分析出身體健康的變化，醫師只是擔任解說的角色。

雖然AI人工智慧能夠診斷的疾病及其正確性仍有疑慮，但無論如何，在可預見的將來，民眾到醫療院所就醫，由類似Watson這樣的「人工智慧」協助醫師提供診斷、治療處方或影像檢查的判讀，已是可預期的發展方向。

AI人工智慧是什麼？

傳統上，電腦或是系統能進行的工作，需要使用者給予清楚的指令，一個指令一個動作完成。而人工智慧（Artificial Intelligence, AI）又稱作機器智能（Machine Intelligence），可透過「深度神經網路」自我學習，只要給予大量資料，它就可以學習、累積知識，模擬人的智慧。

最簡單的比喻就是，過去要讓電腦知道這是一隻貓，必須輸入一些規則或「SOP」，例如貓是四隻腳的動物、貓的特徵等等，電腦必須一一比對這些規則，或說照著「SOP」走，才能指認出這是貓；一旦脫離這些規則，電腦就可
能認不出來。而進入人工智慧時代，「深度神經網路」透過大量閱讀貓的圖片，就能學習到這是貓，錯認的機率也大幅下降。

因為深度神經網路的驚人學習能力，人工智慧除了可以辨識影像、聲音，甚至可以勝任深度邏輯思考能力的工作。在特定的應用，甚至已經超過人類的智能。最著名的例子就是AlphaGo。2016年，英國倫敦Google DeepMind開發的人工智慧圍棋程式AlphaGo在南韓首爾舉行的圍棋大賽中擊敗世界棋王李世?，震驚全球。AlphaGo的下棋能力從業餘棋士的水準爬到世界第一，僅花了2年左右。在沒有人類對手後，AlphaGo已宣布退役。

醫療領域的人工智慧應用

人工智慧有許多技術已經相當成熟，但是因為醫療的特殊性與一般消費服務不同，在醫療領域具備人工智慧系統的普及率，目前還遠不及其他許多產業。目前AI人工智慧在醫療領域較具體的進展可依診斷、追蹤、治療三方面列舉如下：

● 影像醫學包括電腦斷層、磁振造影、X光等的判讀。AI人工智慧可分析病患的影像資料，減輕醫師的負擔並且提升準確度。

這部分的進展十分快速，美國有一家廠商運用AI人工智慧深度學習的方法，發展出心臟磁振造影影像診斷系統，2016年底已獲得美國FDA核准上市；此外，美國麻州總醫院（MGH）放射科醫師也已開始運用人工智慧協助診斷胸腔電腦斷層影像；所以這部分可以說已如火如荼發展中。

人工智慧的決勝點之一是「資料」，資料庫愈多愈詳盡，人工智慧就會訓練得愈聰明，所以當國外已經在發展肺癌及乳癌診斷的人工智慧系統時，台灣也許可以朝本土疾病著手，例如肝癌，因為台灣的資料庫夠多夠完整，這將會是台灣的優勢。

● 除了影像外，利用人工智慧未來甚至可以整合到內視鏡，做即時的分析，相當於醫師的助手，未來3～5年間可望實現。

● 病理科的細胞病理判讀。平常病理科醫師都是透過顯微鏡看組織病理玻片中的細胞型態，再撰寫報告；進入人工智慧時代，病理玻片可以先數位化，訓練人工智慧學會判讀，將來就可以協助病理科醫師診斷。一旦系統成熟，醫師只要將細胞玻片上傳到人工智慧系統，就能得到初步結果，必要時再由第二家醫院的醫師重複確認。

● 某些繁瑣、需透過問卷的檢查（如失智症）可由人工智慧先幫病人測試，節省醫療人力及時間。

● 在醫療診間的人工智慧目前已經相當成熟，例如人工智慧可自動搜尋病人過去病歷，針對個別病患提出藥物過敏的警告，或是當病人服用的藥物有交互作用之虞時發出警訊。

● 病人在家可將各種生理資料（血壓、血糖、呼吸等）上傳到雲端人工智慧系統，由人工智慧追蹤病人用藥後的反應，隨時掌握病人的病情狀況。比起醫師有固定的門診時間，人工智慧可以24小時不打烊關注病人的健康。

● 人工智慧替癌症病人配對適合的臨床試驗，甚至打破國界限制，幫忙配對國外正在進行的臨床試驗。

● 整合病患個人的資料（包含病歷與基因資訊等），由人工智慧提出最適合的醫療計畫。不過治療的複雜度比較高，有很多已經是「哲學」上的問題，所以並不是那麼容易由人工智慧代勞。

● 人工智慧已漸漸的加速各種醫療研究的發展，包含藥物開發、基因資訊、免疫系統研究、神經科學以及精神相關疾病等，這對提升未來醫療發展會有革命性的改變。

圖說：將病理玻片數位化後，可訓練AI人工智慧學會判讀。

AI無法取代醫師的溫度

人工智慧目前比較像是醫師助手的角色，分擔醫師的工作，不至於會取代醫師，然而可以想像未來的醫師工作方式，甚至需要的技能，會與現在稍有不同，影響層面包括：

1. 未來醫師更需要面對很多額外資訊，包含人工智慧提出的建議，如何習慣並且掌握這個工具，是未來醫師的專業。

2. 醫者不只醫病，也醫心。雖然情感智能也是目前人工智能領域中重要的一環，但是在可見的未來內，醫師與病人心與心之間的互動，仍將會是醫療行為中很重要的一部分。

3. 各種感測器（sensor）讓個人生活行為資料能被記錄下來，而電子化病歷資料以及基因資訊跟行為資料的結合，讓預防醫學也可以變得更精準。所以未來醫師除了醫療疾病，預防疾病發生的角色比重可能更大。