本論壇文章反映作者意見,不代表《遠見》立場

子導覽列
首頁 > 人物 > 黃達夫台北 > AI的研發,輸入垃圾,出來就是垃圾!

AI的研發,輸入垃圾,出來就是垃圾!

發文時間: 2019/08/30   文 / 黃達夫台北 瀏覽數 / 11,250+

二十多年前,當病歷電腦化的時候,儘管我知道電腦化有許多好處, 但是,我對於把電腦放在診間裏這件事,覺得很頭痛。因為,我不希望電腦的存在,破壞了病醫關係。我認為醫師在診間裏,精神應該灌注在病人身上,而不應該被電腦干擾。但是,我終究還是敵不過科技的無所不在。

因此,我就一直在想,如何解決醫師被電腦干擾的問題,而曾經跟電腦軟體工程師討論,有沒有可能在門診時,醫師不必打電腦,而去訓練電腦錄下病人與醫師的對話,經由人工智慧摘錄重要的資訊,為醫師製作一份簡潔扼要的病歷。那麼,醫師就能夠好好地仔細問診,做完整的身體検查。

AI進化到今天,我當初的夢想似乎有實現的可能。那一天到來的時候,AI還可以把病人所有做過的影像檢查、實驗室檢驗,在醫師下一次門診以前,先自動整理好,甚至做必要的提醒。那麼,醫師就有更多的時間関心病人,從容地詳細説明病情,解答病人的問題,與病人共同做出最能滿足病人需求的治療決定。

當然,現在,正在發展的醫療用AI,如影像的辨識系統,已經看得到一些可能。如從X光片,診斷肺結核,從電腦斷層掃描診斷肺癌或腦中風,從心電圖及心臟MRI影像評估心肌梗塞猝死的風險及其他心臟問題,從皮膚的照片診斷黑色素瘤,從眼底照影診斷視網膜病變等,在小規模的試驗,往往AI都勝過醫師的判讀。當有一天技術成熟時,AI就可以幫忙診斷科醫師做第一輪的判讀,挑出比較沒有把握的影像或病理玻片,再由醫師確認,讓診斷科醫師不必做很多例行的、重複的事情,把時間省下來做更有意義的事情。

今天AI的影像辨識系統,還不能夠在醫療現場應用的原因是,不同的醫院,影像品質參差不齊,判讀報告也不盡一致,所以,往往在一家醫院研發出來的軟體無法應用於其他醫院。偏偏AI的訓練須要大數據,數據越大,訓練出來的AI越可靠。然而,魔鬼藏在細節裏,如果資訊不精準,數據越大,偏差反會被擴大。因此,要發展出一套適用於不同醫院的標準化AI,仍然是一個極大的挑戰。

AI除了能夠幫助診斷科醫師外,我們也能夠根據臨床資訊訓練電腦,診斷一些比較常見的問題,如尿道感染,皮膚的疹子,小孩的耳內感染,來幫助臨床科醫師決定病人是否須要到醫院看診。或者,是經過物聯網追蹤病人的高血壓、糖尿病等慢性病,當病情不穩定時,自動發出警訊給醫師。這様的輔助,就能釋出醫師寶貴的時間,把時間和精力用於教育病人,關心病人,更貼心地照護病人上面。

最近,看到醫師作家Eric Topol 的報導,根據英國的一個研究,如果,每位醫師能夠減少一分鐘打電腦的時間,英國醫師就能省下四十萬小時的時間,去和病人溝通與交流,極有利於促進病醫關係、提升醫療品質。

雖然,AI在醫療上的應用,極可能解除醫師打電腦及處理其他例行的、重複的工作,而讓醫師回歸照顧病人的初衷。這樣的前景固然令人期待,但個人認為那一天的到來,還有一段路要走。

台灣的政府與醫界經常炫耀台灣全民健保大數據,是發展AI的寳藏,認為醫用AI的研發,是台灣生技產業的一大商機。問題是,台灣健保的病歷,主要是用來向健保署申請健保費,大多只有處方、處置的紀錄,缺乏病情的述及成效的評估。而且,國內醫療院所造假作弊的問題時有所聞,不難想像,有些病歷是為了符合健保給付的條件,而去製造出來的。然而,AI卻沒有能力分辨健保資訊的真假及好壞,輸入了垃圾,出來的就是垃圾。在台灣要發展醫療用的AI,務必從健保資訊的大清理做起,那將會是一個非常鉅大的工程。台灣健保大數據是否是發展AI產業的資產,還有待觀察。