長庚AI實驗室負責人郭昶甫：醫療AI能幫醫生「看見病人」 天下編輯部2019-07-18 去年，林口長庚醫院以4500萬成立「人工智能核心實驗室」。這個15人的團隊，目前正著手超過20個計劃。為AI在醫療場域應用把關的人工智能核心實驗室主任、長庚醫院風濕免疫科主治醫師郭昶甫，在2019天下經濟論壇（CWEF）時指出，AI很難介入醫療的本質，但可以幫醫生減輕負擔、時間的浪費。除了醫療法規、資料取得、基礎建設等挑戰之外，醫護人員的訓練也是一個大工程。長庚，現在是台灣最大的醫院，100萬床，每年200萬就診人次，7個醫院橫跨整個台灣。我們在引進新科技的時候，碰到很多問題。其中醫療AI領域是很重要的議題，因為人命關天，所以一定要確保病人的安全。當醫療界碰到很多問題的時候，大家會問為什麼動作這麼慢，沒辦法引進新科技？長庚算是勇敢跨出了一步，因為嚴格說起來，醫療AI相關技術還沒有真正在臨床上使用，只是輔助醫生，而現在有些也開始拿到FDA認證了。
醫療AI準確性有限，服務需要延續性 所以在AI進入醫院的時候，我們要問三個問題 首先，AI的核心價值是什麼？我認為，減少醫生的負擔和干擾，改善醫病關係是一大核心。病人安全是個大問題，不只是用藥會改善，任何介入都會有安全性因素。而每次病患看到醫生的時間可能都只有3、5分鐘，便利性也是個問題。其次，醫療AI可以處理什麼問題？很多研究發現，目前為止能解決的問題不多，大部份集中在疾病與病患分類、流程預測，以及治療病人相關的類別。雖然現在FDA核准的項目很多，但現在AI應用相對簡單。第三，醫療AI可以多好？我們從《Nature》上的發表來看，AI可以接近人類，但準確率只有80%，甚至60%，這樣的結果，我們可以接受嗎？現況是如此，某些醫療應用可以與人接近，某些程度一致性提高，但應用十分有限。醫療服務需要延續性，不是單一產品就能取代。大家都看過醫生，我們都知道醫生跟病人互動，提供直接服務，很難用科技介入。因為大家都希望跟醫生談半小時、1小時，說清楚發生什麼事、有什麼選擇。醫病雙方一起討論，該做哪些介入措施，這是AI不容易介入的部份。除此之外，還有很多是間接服務，例如大家看不到X光診斷等等，還有其他支援性的服務也含有許多規範。比方說，為什麼掛號、住院、抽血等，護理師都需要跟病人詳細解釋，是因為有安全、感染控制等問題。在醫療間接服務的部份，或許AI可以介入，但病人是看不到的。此外，醫院運作也跟公司一樣，有人事、費用等問題。而且醫院不是單獨存在的組織，要跟外界結合，關於健保、社福體系、金流等，都是醫院必須要做的事，但病患一樣看不到，卻也都是AI可以發揮的空間。
AI減少醫生的干擾，就診前先提供資料 真正的醫療是醫病關係的距離。在這短短的距離，我們要做多少事情？病患提供個人資料與疾病歷程之外，還想問很多問題。醫生要做的是，把病患所有檢測和背後資訊彙整，做出醫療決策，並跟病人一起做決定。這是醫療最重要的本質，AI很難介入，但我們可以減少醫生浪費的時間。以前我們去看門診，醫生是邊寫病歷邊跟你聊天，現在醫生是邊看電腦邊跟你講話。但醫生有沒有看到你？花的時間佔了多少比例？其實你看醫生的3、5分鐘裡，他可能有一半時間都在看電腦，這是很嚴重的問題。如果醫療AI可以介入，減少醫生的干擾，就能讓他們把目光放在病人身上。所以我們協助溝通，透過穿戴裝置、流程整合，減少醫生彙整資料的時間，在病人到診前就把該做的都做好。事先把資訊提供給醫生，一旦溝通順暢，服務價值自然提高。現在有些產品，如Apple Watch，就是先做好監控，到診前就讓醫生知道。如癲癇管理、中風影像偵測等，間接醫療服務就是醫療AI應用的一大熱點。目前這35項FDA認證的醫療器材，基本上都是診斷用。比方說，長庚做的鼻咽癌影像檢測，就是非常困難的一件事。或是當你骨折去急診，關鍵問題就是要在很快的時間內做出正確診斷。再來，抽血時針對全血球的簡單辨識，健保給付才100多台幣，但急診每天要花費3個醫檢師的人力，半夜等在那邊做這件事。或是免疫螢光自動判讀，醫生要看100張影像分類。技術不難，但非常繁瑣。此外，醫院防止病人跌倒、控制感染領域也很重要。因為其實醫院是很危險的場所，所有嚴重的疾病與感染源都在這裡。而醫院也常碰到病人半夜需要急救的狀況，但若有預警機制，就有機會可以把他們救回來。若套用AI技術，有些運算法可以連續性監控病人身體狀況，提前預測其可能的死亡機率做預防性服務。醫院要生存，還要跟健保打交道，要顧慮人事、預約、繳費、保險申報等。比方說，DRG申報的好壞，可能會造成結果產生30%至40%的差距，甚至從賺錢到虧本。所以最佳化申報，或許也是AI可以做的事。這些都是很大挑戰。像長庚在推展的過程中，第一個碰到的就是醫療法規的問題。我認為醫療界必須符合法規要求，任何還沒有FDA、CFDA等認證的，都不適合公開說可以用在醫療領域。醫療器材軟體的臨床評估（SaMD）下，有些產品可以到FDA，但這是重要的程序。我們尊重程序，為的不是準確率，而是對於病患的風險的控管。
醫療AI引發爭議，你願意被連續性監控嗎？然而AI到底可以看到什麼，跟醫生看到的內容一樣嗎？這是一個黑盒子，其實我們都不知道。有些技術可以藉此發現某些問題，但醫院做了很多測試，卻發現電腦看到的不見得跟醫生一樣，有些甚至差距很大。因此即使AI做出來的準確度高，可是大家可以接受嗎？另外，資料取得也是問題。一個人從出生到死亡產生的資料量是好幾個TB（兆位元組）。乳癌病人需做醫療影像，一個病人就要10幾張，不要說CT、MRI，很難整合串聯。再來，資料合法嗎？不是說用公開資料來做就可以，要合法，還要有病人同意才可以做成醫療器材或是運算法。因此隱私權也是大問題。我們從運算法可以看出用藥有沒有改善，但大家可以接受嗎？連續性監測對隱私的介入，可以用在醫療領域嗎？基礎設施也是大問題。長庚醫院做了一個實驗，成立核心實驗室，花了1.5億台幣。接下來建立電子病歷也要花4億多台幣，精準醫學又是4億多台幣；現在已經砸了10億台幣，而且完全不會回收。另外還有網路速度，平常傳照片沒問題，但檔案變成20倍會碰到什麼問題？醫院每天都在處理。AI不是做做伺服器就好，網路傳輸全部都要更新，並不是小工程。實驗室剛開始，計算量就佔了長庚整理運算量的97.6%。為了要做簡單的幾件事，用電量就超過長庚質子中心，這是合理的嗎？儲存量是我們過去2011年到2018年的59倍。最後，我們怎麼讓醫生理解這些事情？我們跟台灣AI學校合辦2梯次的教育訓練，總共訓練250位醫護人員，但長庚總共2萬2千人，也就是說我們花了1年多才訓練了5%人員。我認為醫療AI對醫療管理和服務都會有正面影響，而不是科技層面，科技走太快，遠超過醫療界的需要。即使很多挑戰很基本，還是很難快速解決，這都需要時間。所以長期還是會內化到醫療服務，不會看到AI在什麼地方。