AI適用於早覺醫療 協助實現醫療品質與病人安全

臺北醫學大學醫學科技學院院長李友專。

AI歷經了不同時期的演變，1960年隨著啟發式搜尋的發展，遂正式展開以邏輯為基礎的推理時代序幕，到了1990年在知識工程與專家系統的推波助瀾下，正式進入以法則為基礎的表示法時代。進入2015年自主學習開始藯為風潮，進而帶動了由大數據驅動的機器學習時代到來，甚至有人預測2045年會進入超級智慧時代。

當前健康照護存在許多關鍵疑慮與問題，臺北醫學大學醫學科技學院院長李友專歸納指出，其不外醫療錯誤、品質不佳、以偏概全，以及輕忽預防。其中預防之所以很難的原因，不外缺乏可見目標、沒有疼痛感、人們對機率不了解，同時科學家無法提出有效的預防措施，更重要的是其市場價值較低。至於預測，除非其能滿足精準、及時、個人化與可行等條件，否則預測毫無用處。

針對三級預防，其中第一級預防可採用AI早期風險降低機制，第二級預防則適用AI早期偵測，第三級預防可透過AI早期介入(Earlier Intervention)來實現。李友專引述3,500多年前的《黃帝內經》所講的「上醫醫未病，中醫醫欲病，下醫醫已病」，說明了中國古代早已具備預防醫學的概念。

AI非常適用於早覺醫療(Earlier Medicine)，因為AI可以偵測健康惡兆、預測疾病進程，並可預防失能惡化。例如臺北醫學大學聯合皮智公司推出「痣能達人MoleMe」，其運用AI來協助民眾自主檢測身上的痣是良性還是惡性，該工具集結了3,000名使用者所提供的痣影像與4位皮膚專科醫生的專業進行機器學習的模型訓練。另外該工具也提供像是年齡、性別、痣的大小、痣存在多久，以及最近有無變化等5項非影像因子做為分析判讀的參考基準。

痣能達人採用監督式機器學習與深度殘差網路(ResNet)，其準確度高達93%，其判讀結果與醫師判讀的一致性高達95%。目前痣能影像庫已累積共15,000張影像。除了痣能達人，李友專的研究團隊也另外運用AI機器學習推出「智慧型藥物安全系統(AESOP)」，以及早期癌症預測模型。

李友專歸納指出，AI可協助實現醫療品質與病人安全，改善「以偏概全、一體適用(One-Size-Fits-All)」的問題，並達到預測與預防的效益，再者，AI必須用於改變未來醫療，否則醫療將不會有突破性的進展。