封面專題／人工智慧蓬勃發展 創新醫療風貌

諮詢／陳建煒（臺大醫學校區人工智慧中心主任）、粘曉菁（本會執行長、臺大醫院家庭醫學部兼任主治醫師）、余坤興（哈佛醫學院生物醫學資訊所講師）
撰稿／張雅雯

未來的就醫場景：醫師專注地與病人對話，他不再盯著電腦螢幕打字，而是由AI人工智慧系統把病人的主訴都記錄下來，並且主動調出上次病人的檢查影像，上面已經將疑似病灶處圈選出來。醫病對話結束後，系統馬上就可完成病歷，提供可能病因、適合什麼樣的治療及藥物、副作用有哪些等等，讓醫師可以快速地幫病人做最正確的診治，不再因繁瑣的病歷電腦化而減少與病人的互動，病人看醫師像跟家人聊天般輕鬆…

這樣的門診看病場景並非癡人說夢，而是AI醫療應用國際研討會上，讓人嚮往的美麗願景。

醫療界之所以熱情擁抱AI，原因之一是醫療界有相當多可以被標準化的高勞力工作，例如檢視醫學影像的片子以及病理切片的判斷，就是醫療AI首發的優勢之處，也是目前醫療AI起步最快的項目。在研究端更是潛力無窮，比如個人化數萬個基因檢測、體內生物標誌整合並結合個別影像檢查與病史等大數據的分析，AI的運用等於是打開了一道大門，讓精準醫療與研究加速前進。

AI經正確訓練可有效輔助醫師診斷
醫學診斷攸關病人生命，所以最被重視的就是正確性，也正因為每個個體不同，醫療診治可堪稱為一種藝術，而非全有全無、非黑即白的診斷。當專攻0與1定律的機器擔負起一部分「診斷」的角色時，最被人質疑與擔心的就是經由機器學習而判別的診斷正確與否。以目前應用最普遍的醫學影像診斷AI來說，關鍵在於機器學習階段是否學習到正確的影像中病灶資訊。

倘若將AI比喻為資質IQ極高的聰明學生，要讓AI懂得判讀影像檢查，就必須「餵」給它很多已經被標註且正確分類的影像資料，讓機器正確地大量學習；輸入的資料如果沒有經過驗證、診斷模稜兩可甚至不正確，建立此醫療AI就沒有意義，即垃圾進、垃圾出的理論（Garbage in and garbage out)，因為「讀了不正確的資訊，就不能保證診斷的正確性。」

事實上，正因個體的專一獨特性，加上疾病的高度變化，醫療診斷與處置難以達到100%的完美境界，這也是發展精準醫療與提升高品質醫療服務的重要性，而醫療AI發展就是希望將醫療診斷盡可能精準個人化，減少不必要的人為誤差與環境因素影響。

譬如乳房攝影影像的判別，因為腫瘤鈣化點相當細微，經過特別訓練的影像科專科醫師需聚精會神，在特殊的暗房內並使用解析度極高的影像螢幕，他們才能精準判別病灶，而美國癌症醫學會會中發表目前乳房攝影AI，結合乳房攝影影像與乳癌病理切片，已經訓練機器學習可偵測出乳癌病灶，且讓專科醫師高達94%同意此AI判讀乳癌的正確性。

AI加速個人化精準醫療發展
以美國哈佛醫學院研究為例，AI不再侷限於影像的大數據分析，在肺癌的研究領域，除了結合傳統電腦斷層影像與腫瘤病理切片報告之外，更結合病人臨床個人資料、疾病史、家族史、個人抽血的體內生物標誌與基因分析，使得個人化精準醫療再度提升，利用機器深度學習的優點，讓醫療AI協助醫師提供肺癌病人更加合適的個人化癌症精準治療。

美FDA核准多項醫療AI系統
以美國為例，從2017年下半年至今，美國FDA核准的醫療AI系統已慢慢通過約10幾個品項，多半是輔助診斷的系統。其中一個被核准的項目是用來診斷糖尿病人是否有眼底黃斑部病變。糖尿病人原本就建議要固定接受眼底檢查，但病人實在太多，眼科醫師人力有限，於是透過讓病人散瞳後眼底攝影，再把影像資料上傳至AI系統，其將初步判斷此病人是否已經有黃斑部病變，幫助醫師做大量病人的眼底病變篩檢。

另一個被FDA核准的醫療AI系統是手腕骨折的診斷。因為美國就醫可近性不像台灣這麼高且醫療費用昂貴，但可提供照X光片的影像中心相對普遍許多，當跌倒的病人照完X光片並上傳AI軟體後，即可初步輔助醫師判斷是否有骨折，若AI系統認為骨折機率很高，則建議病人應該專程跑一趟去專科醫院接受醫師的確診與治療。 

因應AI快速發展 
適度更新法規審查有其重要性
醫療AI系統也如同任何醫療產品，要使用在臨床上，應該是需要受到一些審查和規範的，但是過度繁瑣抑或是防弊為主的法令卻也是醫療進步的一大障礙。

自2017年開始，美國FDA已嚴選9家國際知名企業進入「數位健康產品開發商預認證試行方案（Pre-Certification for Software Pilot Program）」，其核心概念在於將原以醫材產品為主的上市前監管模式，改為增加對產品製造商的評量與上市後監管的力度。這個目的就是希望利用所有可信的來源信息和數據，使FDA和醫療器材專屬軟體（Software as a Medical Device, SaMD）製造商能夠擁有更高效能且簡化的審查，同時不會影響這些AI產品的安全性和有效性，並可依據其效能適時調整。

美國FDA對醫療AI的發展樂觀其成，除了提供發展醫療AI輔助系統的醫院一些概念上的指引，例如該怎麼申請才能獲准通過於臨床應用，也與醫療AI研究人員討論怎麼建立AI相關的法規，而且對於性質不同的品項，會分別去討論該怎麼認定這個AI系統。

而有些美國醫院內部自行開發的AI系統，對病人的臨床資料進行初步評估，最後再由醫師綜合判斷、做最後的定奪。這些系統只提供初步建議與提醒，因此不一定會向美國FDA提出申請，但即使有醫師做最後的判斷，系統的開發仍需注意判讀的準確程度，避免增加醫師的工作負擔或誤導臨床判斷。

醫療的溫度 無法被AI所取代
醫療AI的發展最常被詢問：未來世界 AI是否直接問診？AI是否就取代醫師的工作？醫師從此就失業了？從臨床發展來看，AI的發展仍只能扮演輔助醫師的角色、而非取代，顯而易見的好處就是可以減低醫師的負荷，幫助醫師做更快速、準確的診斷，但還是由醫師做最後的把關確診。儘管AI再怎麼蓬勃發展，仁醫的一句溫暖關懷與一份細心照護的愛心，病人感受在心裏，病都好一半了，這一份醫療的溫度是醫療AI所難以取代的。

《圖說：有AI幫忙，醫師可望有更充裕的時間「看」病人。》

 

《圖說：將皮膚斑點照相後上傳AI系統，即可得知可能是哪種病灶。》

《圖說：用手機拍攝傷口狀況，上傳AI系統可獲得初步判讀結果，節省病人往返醫院時間。》