人工智能顛覆醫(yī)療行業(yè)嗎？

　　從1960年代初，學術界陸續(xù)展開對于人工智能的研究，一直到目前的機器學習、深度學習等觀念，所帶來的第三波人工智能浪潮。

　　對于醫(yī)療領域來說，在1970年代初期，人工智能就已經(jīng)被應用在各項檢查，例如根據(jù)血液檢查的結果來發(fā)現(xiàn)患者的感染性血液疾病，并且延伸出輔助醫(yī)療者判斷采用何種抗生藥物來成功的醫(yī)治，比起過去所采用的經(jīng)驗法則，大大的提升對于感染性疾病的判斷準確性。

　　透過人工智能技術的力量，可以達到一瞬間完成檢驗

　　直到最近，透過深度學習技術的能力大幅度提升影像辨識正確性，舉例來說，透過X光攝影(X-ray photography)、計算機斷層掃描(Computed Tomography)、核磁共振(Magnetic Resonance Imaging)，以及細胞檢查(Cytodiagnosi)等檢測設備，能夠從潰瘍的發(fā)現(xiàn)、腫瘤增大的結果，來發(fā)現(xiàn)身體的異常狀態(tài)。而這些檢查過程與發(fā)現(xiàn)，已經(jīng)從過去需要耗費10多天，一直到透過人工智能技術的力量，可以達到一瞬間完成檢驗。

　　相信可以預見在不久的未來，醫(yī)學領域也將出現(xiàn)相當具規(guī)模的醫(yī)療變革(圖一、圖二、圖三)。對于疾病的診斷方面，以目前較簡單的方面來說，已經(jīng)能夠透過類似建議協(xié)助的人工智能來進行，例如，可以經(jīng)由在具有醫(yī)療性質人工智能的設備中輸入問診和檢查結果，來獲得類似診斷的建議內容。

　　圖一 ： 從1960年代初，學術界陸續(xù)展開對于人工智能的研究。

　　圖二 ： 伴隨辨識技術提升，醫(yī)學領域也將出現(xiàn)大模的醫(yī)療變革(A)

　　圖三 ： 伴隨辨識技術提升，醫(yī)學領域也將出現(xiàn)大模的醫(yī)療變革(B)

　　和人類一樣，醫(yī)療領域的人工智能也是需要經(jīng)過一定程度的學習，才能夠產(chǎn)生對于事物判斷的能力，應用了學習而來的技術，可以從拍攝的醫(yī)療影像中發(fā)現(xiàn)病變結果，再加上患者的癥狀、基因組體數(shù)據(jù)后，進而可以分析出初步的診斷結果。

　　日本透過政策計劃推動人工智能在醫(yī)療領域的應用

　　因此，對于人工智能在醫(yī)療領域的應用方面，日本也從政府階層開始進行計劃性地推動，在2016年11月，日本政府所召開的第2屆未來投資會議上，首相安倍晉三就明確的宣示，大數(shù)據(jù)(Big Data)與人工智能將會在預防、健康管理，以及遠程醫(yī)療方面進行最大程度的應用，來實現(xiàn)高醫(yī)療質量將人工智能導入日本醫(yī)療體系之中，并且日本厚生勞動省也開始著手規(guī)劃一系列相關的政策，來因應人工智能醫(yī)療時代的來臨，包括醫(yī)療費用的修正、采用人工智能醫(yī)療的激勵措施等等，并且預計將在2020年全面實施與推動人工智能醫(yī)療制度。

　　為了達到在醫(yī)療領域更高度應用人工智能能力，高度完整且安全數(shù)據(jù)庫的整建絕對有其必要性，在這方面，日本政府開始整合和建立了，包括電子病歷卡、健康檢查數(shù)據(jù)、醫(yī)療、照護的收據(jù)憑證數(shù)據(jù)等一元化系統(tǒng)數(shù)據(jù)庫，來做為跨入次時代健康管理系統(tǒng)架構下，提供更好醫(yī)療質量的第一步(圖四)。

　　圖四： 日本政府正進行規(guī)劃的患者信息數(shù)據(jù)數(shù)據(jù)庫概念圖

　　被稱為PeOPLe的人工智能醫(yī)療管理系統(tǒng)，已經(jīng)開始整合與保存日本各醫(yī)療機關里每一位患者的醫(yī)療診斷紀錄，并且授予每個患者識別編號(醫(yī)療ID)，除了方便保存與管理醫(yī)療數(shù)據(jù)之外，并且也將患者在不同醫(yī)療單位就醫(yī)的數(shù)據(jù)予以統(tǒng)一保存管理，在未來就診時，醫(yī)療人員可以從數(shù)據(jù)庫中讀取患者過去完整的就診數(shù)據(jù)與各種檢查報告。

　　醫(yī)療人員方面，在未來也將統(tǒng)一在PeOPLe中記錄每一個患者的診療信息，同時也可以作為患者在進行回診時，透過人工智能技術的能力，在進行檢查、診斷、治療的同時，也可以向醫(yī)療人員提出醫(yī)療支持、建議和各種警示提醒。然而信息化之后，除了可以節(jié)省無謂及浪費的檢查之外，并且能夠將醫(yī)療資源進行優(yōu)化的分配，并且透過匿名化的醫(yī)療數(shù)據(jù)，提供給各學術單位進行各項更為先進的醫(yī)療研究。厚生勞動省醫(yī)藥生活衛(wèi)生局長武田俊彥表示，在未來的健康管理系統(tǒng)方面，在這樣的構想下，醫(yī)療、照護等數(shù)據(jù)將都會被網(wǎng)絡化，并且作為大數(shù)據(jù)的一部分，除了減輕醫(yī)療人員的負擔之外，更可以透過大數(shù)據(jù)數(shù)據(jù)庫，在人工智能技術協(xié)助之下，來對各地域進行下一代的醫(yī)療發(fā)展規(guī)劃，讓各地域的患者能夠得到較為完善的醫(yī)療服務。

　　不斷的反復進行運算，達到快速增加高度判斷的能力

　　在這樣次時代醫(yī)療服務體系的建構中，最重要的還是莫過于人工智能的技術力量，但是，在這里人工智能將會進行什么樣的架構改變?

　　最初，計算機系統(tǒng)只有被輸入和儲存圖像以及文字等數(shù)據(jù)，而再進一步的可以進行簡單的訊號收集、整理、辨識和分析。而加入了人工智能之后，這些訊號數(shù)據(jù)就可以被同時并存地進行特征性比較，然后對于這些特征性的文字圖像進行判斷。

　　就如同能夠對患者透過各種檢查設備所拍攝而得到的圖像進行分析，然后更進一步的獲得診察判斷結果，同時再與數(shù)據(jù)庫中的樣品數(shù)據(jù)進行比對，根據(jù)所默認的規(guī)則來做出各種診察報告。

　　在以前，必須匯集各種所獲得的醫(yī)療信息，以人工輸入的方式，提供具有初步人工智能的計算機或儀器來進行比對分析。不過，伴隨著計算機的計算能力有著飛躍性的發(fā)展，得以進行更為復雜繁重的程序計算，這樣的變化，已經(jīng)可以從「如果是A的話，那就會演化到B」的單純對應關系，進步到「在A的情況下，如果出B的話，可能會演化成C」的多層判斷和分析，讓人工智能技術進步到可以自行「深度學習」的階段，進而不再需要依賴人工來進行初步或比較過后的數(shù)據(jù)輸入工作，憑借人工智能的深度學習能力，不斷的反復進行運算，來達到數(shù)據(jù)自動辨識，快速增加高度判斷的能力。

　　圖五 ： 人工智能透過機械式的方式來有規(guī)律地進行自我學習。

　　在人工智能對于醫(yī)療方面的學習、個案判斷基準，都是和普通人一樣，沒有什么不同。長年投入人工智能開發(fā)研究的慶應義塾大學理工學部生命情報學科?原康文教授表示，醫(yī)生從患者的問診結果中，抽離出重要的關鍵訊息，借以作為初步和廣泛程度的判斷，再以結果來對患者的病理做出辨別。這時，醫(yī)師還必須根據(jù)過往的學習知識和經(jīng)驗進行反復的思考、驗證，來提升精確度，獲得正確的診斷結果。人工智能醫(yī)療機制也是一樣，只不過比較大的差異是，人工智能是透過復雜的運算來修正各種系數(shù)結果，并且不斷的反復進行微調整，再獲得最后的結果。

　　將人工智能導入急救醫(yī)療提升急救成功機率

　　在傳統(tǒng)上，急救醫(yī)療的本質上就是醫(yī)療團隊和時間在競賽。而急救醫(yī)療在導入科技之后，就又多了智能手機APP和人工智能的協(xié)助。

　　日本東京慈惠會醫(yī)科大學，在先端醫(yī)療情報技術研究講座擔任準教授的腦神經(jīng)外科高尾洋之醫(yī)師，從2016年11月開始，就擔負著主導利用手機APP和人工智能協(xié)助急救醫(yī)療這個計劃的任務，2017年度正式開始臨床應用實驗，預計在2018年正式導入急救現(xiàn)場使用。

　　在2015年時，高尾洋之醫(yī)師就已經(jīng)在日本東京慈惠會醫(yī)科大學，有著超過3000部具有這項功能的iPHONE導入經(jīng)驗，并且將醫(yī)療訊息予以信息化。在2016年正式展開這項計劃時，除了醫(yī)院本體之外，更加入了Allm這家公司來共同開發(fā)智能手機的APP，并且整合融入了人工智能技術，稱之為JOIN。

　　JOIN的架構是為了在數(shù)個醫(yī)療關系者之間可以快速且有效的進行溝通、資料分析，并且讓包括手術室、急救室等數(shù)個醫(yī)療關系者能夠同時獲得，例如X光攝影、計算機斷層掃描或核磁共振攝影、醫(yī)學攝影、心電圖等各項身體檢測結果和數(shù)據(jù)。

　　圖六 ： 利用手機APP和人工智能協(xié)助急救醫(yī)療

　　實際上，救護人員在急救現(xiàn)場是相當難以正確掌握患者的受傷或健康狀況，并且無誤地傳達給后續(xù)急救的醫(yī)療人員。而利用智能手機APP和人工智能協(xié)助急救醫(yī)療這個計劃，就是希望借助智能手機APP和人工智能，在緊急救護和運送的過程中，能夠讓后端急救團隊能夠及早獲得患者的狀況，縮短抵達后初步傷檢判斷時間，達到提升急救成功機率與減輕各種健康后遺癥為目標。

　　這個急救架構是透過人工智能來進行問診與生命特征感測，再將所獲得的信息予以分析，并且進行檢傷分級(Triage)?；谶@個分析結果，在醫(yī)療單位接受急救患者時，就夠預先制定急救計劃，以及選定運送患者對象。

　　例如對于急性腦血管疾病的患者，可以在出現(xiàn)癥狀時，讓緊急救護人員預先進行相關簡易急救醫(yī)療行為。以腦血管栓塞的患者為例，從癥狀發(fā)生后的發(fā)生3小時內可經(jīng)由靜脈給予tPA，此類藥物的使用必須靠醫(yī)療團隊的合作，與時間賽跑以搶救腦細胞。并且在8小時內里用血栓清除設備實施血管內治療，讓中風后遺癥降到最低的程度。而這些畫面、數(shù)據(jù)、各種行動、醫(yī)護人員之間的溝通，就可以透過手機中的JOIN這個APP來進行。

　　更進一步的，高尾洋之醫(yī)師不僅僅讓JOIN這個APP擔負著患者急救運送時的緊急和問診處理，更進一步的融合人工智能來完成Cloud ER系統(tǒng)，初步將先以腦、心血管患者為急救對象，透過Cloud ER系統(tǒng)提高急救成功率與降低后遺癥。

　　在「Cloud ER」系統(tǒng)中所使用的人工智能有兩大類數(shù)據(jù)分析。第一類是讓患者戴上具有量測心脈、血壓、心電圖等等生命特征功能的醫(yī)療電子手環(huán)。第二類則是透過智能手機中的APP來收集整理患者的發(fā)病各項資料。

　　當預定接收患者的醫(yī)療機構也從JOIN和Cloud ER系統(tǒng)獲得發(fā)病各項數(shù)據(jù)之后，就能制定患者的急救計劃，以及準備相關急救器材，另一方面，也可同時指示負責運送的進護人員，進行必要的急救措施，讓患者運抵醫(yī)療機構之后，就能夠立即獲得最適切的緊急救護醫(yī)療。

　　非所有的醫(yī)療人員都樂意接受人工智能醫(yī)療時代的來臨

　　雖然將人工智能導入醫(yī)療系統(tǒng)，透過政府的推動、各業(yè)者的技術整合，看起來已經(jīng)是必然的趨勢，但是對于現(xiàn)今的醫(yī)療體系以及醫(yī)療人員來說，還是必須面對無法避免的適應期。

　　事實上，透過日本的專業(yè)媒體訪問分析可以發(fā)現(xiàn)，并非所有的醫(yī)療人員都相當樂意接受人工智能醫(yī)療時代的來臨，甚至有一部分的醫(yī)療行為將會被人工智能系統(tǒng)或者機器人所取代，這更是深深激怒了部分的醫(yī)療人員。

　　根據(jù)調查，大概有85.2%的日本現(xiàn)行醫(yī)師相信，在未來100年內，將會實現(xiàn)透過人工智能來進行醫(yī)療輔助。只有不到15%的醫(yī)師認為即使再過100年，人工智能仍無法取代人類進行醫(yī)療行為。而對于采用人工智能產(chǎn)品來做為醫(yī)療輔助方面，仍舊有將近19%的醫(yī)師是相當排斥，甚至完全不考慮導入人工智能醫(yī)療產(chǎn)品(圖七、圖八)。

　　圖七 ： 預測人工智能導入醫(yī)療時間的醫(yī)師比例

　　圖八 ： 使否會采用人工智能協(xié)助醫(yī)療行為的醫(yī)師比例

　　就意見而言，大多接受人工智能醫(yī)療的醫(yī)師都認為，采用人工智能醫(yī)療，可以達到再確認功能而預防人為疏忽，并且可以提供診斷的輔助、預防誤診，以及縮短確診的時間，甚至可以透過人工智能醫(yī)療的力量來補強自己不熟練領域的技術和知識。

　　當然，并非所有的醫(yī)師都是如此正面看待人工智能醫(yī)療的能力。對于醫(yī)師而言，最沉重的負擔就是需要背負著“對患者的責任”，因此，最直接被反應的問題就是，當出現(xiàn)誤診時，是哪一方面需要負擔責任?

　　有些醫(yī)師認為，人工機械因為無法擔負責任，所以絕對不可以進行確診的這項工作，最多只能提供醫(yī)師進行確診時的參考數(shù)據(jù)。因為就診斷上，無論是慢性患者，或者是需要進行急救的對象，在醫(yī)療行為進行時，存在太多的變化，仍舊需要依賴醫(yī)師的經(jīng)驗不可，這一方面，人工智能是絕對無法做到的。因此，讓機器人測量一下生命特征的數(shù)據(jù)就好，其他方面，還是需要交給有經(jīng)驗的醫(yī)師，并且需要重視醫(yī)師多年以來的醫(yī)療經(jīng)驗和能力值。