撰文者：醫聯網編輯群
審閱者：曾崧華醫師
台灣健保支出屢破新高，國發會於今年6月召開的會議中指出，明年的健保醫療給付總額預計約落在7935～8180億元，無疑是納稅人沉重的負擔，若是能減少不必要的支出，也就更能讓最需要健保資源的人不受排擠，節流的重要性不言可喻。
而科技日新月異，AI人工智慧的應用如雨後春筍般冒出，其中在醫療領域的應用就是重中之重，能幫助專業醫師省下非必要的工作、將人力資源的效率最大化，使醫療品質因此提升，也能將健保費完全花在刀口上，創造共贏的局面。
不過現今仍有許多人不免擔心，若是將醫師的診斷工作交給機器人，準確性到底如何呢？目前的醫療AI又能做到哪些事情？未來的醫療AI可能朝著怎樣的方向發展呢？
日本醫學數據科學專家，就簡單介紹了醫療AI的功能、重要應用，幫助仍對醫療AI陌生的人能夠安心使用方便的醫療AI服務。
為什麼需要醫療AI？AI的診斷準確嗎？
日本東京大學研究所醫學系研究科博士、醫學數據科學專家岡本將輝（Masaki Okamoto）撰文指出，AI，也就是所謂的人工智慧，是一種將人類所能做到的事情試圖在電腦上面重現的程式。而從前的技術讓AI具有相當的侷限性，電腦只能在一定的規則內進行判斷，說是「智慧」其實是有些牽強的。
然而，AI在2010年後發展出深度學習（deep learning）技術後有了重大的轉變，程式可以從資料中自主學習，並且以之為基礎來進行判斷。這意味著人工智慧可以更進一步自行建立、分類，並且判斷，具有更強大的智能，在各領域中都活躍著，例如用在醫療領域的，就稱為醫療AI。
所謂的醫療，不僅僅只是專注於單項疾患，而是能夠評估罹患疾病的風險，並且診斷出該選擇什麼樣的療法，甚至對預後的預測及判斷都是醫療中相當重要的一部分，然而這些項目卻都會因為每個人的環境、種族、習慣，以及身體狀況不同、個體差異問題而變得複雜化，想要非常準確地判斷其實是相當困難的。
而醫療AI有一大特色是醫師難以企及的，有利於彌補這樣的問題，那就是能以非常巨量的患者資料為基礎來進行判斷、從中找出最適合每位不同患者的療法等。
這能大大地分擔醫療現場中醫師的工作，對患者和醫師來說是雙贏的，畢竟再厲害的醫師也不是鐵打的，經過高強度的輪班、繁重業務，疲勞讓判斷力減弱是非常正常的，無論是日本還是台灣的醫療現場之中，都難免會出現這樣的問題。而醫療AI是不需要休息、睡覺的，很大程度彌補了人類的不足。
當然這也並不意味著醫療AI無所不能，畢竟AI判斷精準度仰賴巨量的資料，在不同地域、人種上的研究資料會有齊全度上的差異等，因此專業醫師的判斷仍是必不可少的。
換句話說，醫師與AI間的結合具有互補效果，AI能代替醫師分擔一部分的工作，並不是由誰來取代誰，彼此是共存的，最後仍由專業醫師把關，患者不需擔心。
甚至在未來，使用醫療AI很有可能是必然的趨勢，許多知名學府，例如美國波士頓大學的醫學系，已將AI科目列入醫學系學生的培育重點之中，未來的醫師想要完全不和AI扯上關係是非常困難的。
醫療AI目前能做到哪些事情？其實醫療AI已經在我們身邊
雖然都能稱為醫療AI，不過依照應用領域不同，醫療AI大致能分為「預防」、「診斷」、「治療」三種，其中台灣醫療數位平台－醫聯網(MedNet)目前提供的醫療AI服務：AI醫師屬於「診斷」。醫聯網的AI醫師使用了「自然語言處理（NLP）技術」，讓AI分析資料庫中的大量醫療數據、迅速分析個案情況，最終提供最適合患者的就醫建議及健康管理方案。
岡本將輝亦曾表示，自然語言處理技術的急速演進，是近年醫療AI精確度提高的一大關鍵，過去患者一長串的病例、處方紀錄往往會干擾醫師，讓看診效率降低，即使是再厲害的醫師也很難避免這樣的情況。而進步的自然語言處理技術能將患者提供的資訊精簡化，方便迅速診斷。
此外，醫療AI也能用比過去更簡單的方式診斷病情，例如澳洲就有廠商開發了診斷睡眠呼吸中止症用的APP，大大簡化了診斷流程；美國佛羅里達大學的機構之中，甚至有ICU設有能預測嚴重的病程變化、致死等結果的AI，這些都是醫療AI應用於診斷的重要案例。
甚至在新冠病毒肺炎肆虐的今天，醫療AI的地位比起以往更加重要，讓遠距醫療的觀念開始興盛。岡本將輝指出，現在各國都在開始研擬放寬遠距醫療法規，市場上更出現了以遠距醫療為主業的新興公司，各國都出現了許多利用AI技術判斷病症嚴重度及優先度，並提供了簡單答詢功能的人工智能服務。
醫療AI未來可能有哪些發展？在生、老、病、死四大領域都能建功
岡本將輝指出，醫療AI的應用相當廣泛，甚至在製藥領域都能見其身影。國際知名製藥大廠葛蘭素史克（GSK）曾與英國人工智慧驅動製藥技術公司Exscientia合作，發現了能用於治療肺阻塞（COPD，舊稱慢性阻塞性肺病）的化合物，可以說是製藥領域突破性的進展。
與傳統製藥流程不同，利用AI的強大功能，未來不僅在藥物開發上可能更加有效率，也更容易找出能作為藥劑的物質。
AI也被用在死亡診斷上，透過分析死亡時的畫面，或是死後的CT、MRI攝影，有可能知道逝者過往時的死因、身體狀態等，這如果單靠人手嚴重不足的放射科醫師來進行，其實是相當為難的。而且亡者大體屬於特殊領域，並非一般的放射科醫師就能判斷，在這一點上AI無疑能夠發揮巨大的作用。
日本東京大學也曾和日本醫療業者島津製作所合作，開發出能透過分析患者資料來預測癌症的醫療AI，並將人工智慧透過患者資料來預測肝癌的研究成果發表在英國學術雜誌《科學報告（Scientific Reports）》之中。
除此之外，國外也有家庭用的AI聽診器、自動抽血機器人等產品，部分還是受到歐盟認證的，醫療AI的可靠度及展望性可見一斑。
※本內容由《醫聯網》授權使用，非經同意不得轉載。