人工智能有多實用？AI在醫護領域的應用一覽

醫護人員工作壓力大、工時長的問題一直備受關注。在新冠疫情爆發之前，已有逾四成醫生感到過勞。香港的情況更為嚴峻：根據報導，當地年輕醫生中，不僅有七成感到過勞，還有兩成患有抑鬱。疫情之後情況進一步惡化，醫護人員的工作量持續增加，其中因護士人手緊絀，有三成護士的工作量增加了一倍以上。醫護人手短缺早已存在，因此人們開始探索如何運用人工智能，填補人力空缺。

導入 AI 的醫療流程仍需要醫護人員審核結果，才能確保病人安全。評估相關工具時，可以先看它在實際環境中的準確率與試點數據，再決定如何採用。

人工智能應用五花八門，醫護界的AI便是一個最近越來越普及；人們往往覺得智能醫生只會根據硬性指標下決定，但是現在的AI醫生不僅僅可以根據實際情況診症，而且還可以在其他方面幫助醫生：

醫生的工作，在看診之前便已經開始了：在病人出現之前，醫生要收集並整理患者信息。有研究顯示，基於文本的AI聊天機器人可以被運用在這個領域。Decoded Health是一家開發Siri背後技術的研究組織，它提供「虛擬醫務人員」（Virtual medical resident），使用自然語言處理技術總結患者的資訊，並提供醫療建議。同樣的技術亦可指導非醫護人員完成病人評估，指導患者完成症狀檢查、提供護理建議和安排預約。

人工智能分診工具還可以有效的減輕急診室的壓力：它可以幫助標記需要重症監護的患者，篩選出最嚴重的病例，優先考慮他們的護理。人工智能分診工具在臨床有這些應用：

分析CT 結果，檢測中風、腦出血和肺栓塞跡象

分析X-光以檢測骨折和其他關節常見的傷勢

分析入院時收集的 EHR 數據和患者生命體徵，以幫助急診護士發現敗血症的警告信號

分析生命體徵以及患者人口統計數據和病史，以提出快速護理建議

研究發現，醫生平均會在患者就診時花費16分鐘在電子健康紀錄上。基於自然語言處理技術，人工智能可以作為數字助理，在醫生與患者進行對話時轉錄及提取重要訊息，自動將其放入病歷的合適位置。除此之外，AI數字助理還可以被放射科使用，根據口述筆記提供建議並發現潛在錯誤。

病人的化驗結果十分關鍵，約三分之二的醫生決定會受檢測結果影響。化驗人員無時無刻都要馬不停蹄地檢測，將醫學化驗自動化不僅能提升效率，還能提高準確率。在為期 13 個月的試點中，德克薩斯大學醫學分院附屬醫院使用 BioConiv 的 AI 協助處理超過 325,000 件 COVID-19 檢測。結果令人振奮：在人手更少的情況下，檢測效率反而提升，重症率與死亡率也明顯下降。除了 COVID-19 檢測，人們相信未來 AI 也能應用於敗血症、呼吸衰竭等其他病症。

毋庸置疑，隨著科技的進步，AI醫生的潛力十分龐大。但與此同時，許多的質疑和疑問也環繞著AI醫生。儘管AI診症的準確度越來越高，但是診斷過程的瑕疵依舊讓許多人望而卻步。

AI模型取決於演算法，而演算法的能力則受限於人們所提供的訓練數據；如果數據不夠多元，那麼AI醫生在診斷時，或會帶有偏見，無法時時刻刻都做出最精準的判斷。例如，2017年一項研究就發現一個關於兒童智能障礙的AI醫生對比利時白人兒童的診斷準確率為80%，但對剛果的黑人只有不到40%。現時絕大多數的AI醫生的訓練數據都以白人為主，導致AI醫生的偏見。只有在未來曠闊數據來源，使數據多元化後AI醫生才能穩定的發揮。

現時在實驗室以樣本照片訓練演算法的表現或許十分理想，但是許多實地使用的結果卻和實驗室有巨大的落差。在2018年，Google在印度的試驗就是活生生的例子：當地遙距醫療中心的醫生與AI醫生一同診斷6張照片；雖然大部分照片都因為設備落後而不夠清晰，但是醫生仍然可以正確診斷，但是AI醫生則在六張照片中給出了三個不同的結果。若人類見到了不清晰的圖片，他還是會通過當中清晰的部分盡力診斷，但是AI卻對此無能為力。通過不同的訓練方法，演算法或許可以辨認模糊的照片，但是為此便會捨去了AI醫生的靈敏度，無法發現微小的細節。

AI醫生的學習和運作方法是一個黑箱子：AI醫生可以準確診斷病症，但是人們永遠都不會知道這個診斷的理據。近幾年，已經有一些AI醫生能夠提前辨認出人類醫生看不到的病變，但是即便連AI醫生的開發者也不知道原因。這種程序上的不透明不僅僅讓人難以信賴，而且還會衍生出許多問題：

如何定奪AI醫生的錯誤是無法避免的，還是演算法的缺失？

即使AI診斷正確，但是醫生和醫院在完全不知道其診斷原因的情況下聽從AI醫生的診斷，這決定又是否正確？

AI醫生展現了強大的診症能力和潛力，但是診症僅僅只是醫生職責的一部分。除了診症之外，醫生還需要錄入病人紀錄，體察、關懷病人並與病人討論病情。醫生的知識至關重要，AI醫生也有許多限制，但是，無論如何，AI可以將重複性的工作自動化，從而令醫生全神貫注於其餘的部分裡，這已經十分足夠了。

資料：Fast Company,  HK01, Google, HKCSS