在人工智能（AI）的众多应用中，医疗领域算是最受期待的；尤其当全球逐渐步入高龄化社会，对于医疗服务的需求必然大幅提高，正是AI切入的好时机。然而，台湾地区台北医学大学医学科技学院院长李友专指出，AI在医疗能创造的机会，并非雨露均沾。

「现在最明显的AI应用就是医疗影像，」李友专表示，利用强大的电脑运算能力，来制作清晰可判读的各种诊断影像结果并非没有价值，但在大厂竞相投入之后，市场也会逐渐饱和。「未来这块可能跟网路搜寻一样，一开始的时候百家争鸣，但最后大家只会用同一套技术，形成产业标准。」

更重要的是，他补充，将诊断结果影像化的终极目的，是让医疗人员便于判读患者状况，「可是别忘了，这些不管是彩色、灰阶、3D的影像，源头都是诊断数据。未来如果机器本身就能解读这些数据，还需要医师用肉眼看这些图像吗？」

医疗领域的AI应用，影像不见得是首选

如果不是医疗影像，那么AI还能用在哪些医疗服务？这可能得从医疗产业本身来看。根据彭博2018年的全球医疗效率指数（Bloomberg Health Care Efficiency）排名，台湾地区的医疗效率在全球排名第9，领先挪威、瑞士、加拿大等欧美国家。李友专指出，「而且在前十名的国家及地区里面，台湾的医疗价格是最便宜的，只有1千多美元」（表1）。

表1：2018年彭博全球医疗效率指数排名

资料来源：Bloomberg

但这并不代表台湾地区的医疗服务无懈可击。李友专指出，台湾的医疗强项为前段的急症（如手术）处理，但在慢性病、长照上的表现却差强人意。「北欧国家的慢性病患卧床（从无法活动到过世）时间只有几个礼拜，但在台湾却是用『年』来计算，」他预测，因为台湾地区的健保制度长期偏重于急症处理，导致长照一直没有没有足够的资源发展。「现在说准备投入新台币两百亿元到长照里面，可是台湾老年人口比例愈来愈高，这两百亿新台币够用吗？」

要填补长照无底洞，得从预防医疗下手

如果说长照是个无底洞，应对方案不应该是盲目地投注资源，而是尽力使这个黑洞缩小、可控──这正好是AI可以切入的地方。李友专表示，去年在美国洛杉矶曾对200位医疗人员进行调查，要他们在4个医疗体系参与者（病人、政府、医疗管理机构、保险业者），4类场所（住家、诊所、医院、长照机构）和3个项目（预防医疗、急症医疗、长照医疗）所组成的48个选项中，选出哪3个AI最应优先投入。「选出来的第一名，是病人在家的预防医疗，第二、第三才是在医院的急症处理，」李友专补充，「如果只从项目来看，预防医疗的分数，更远远超过急症跟长照。」

图1：台湾地区台北医学大学医学科技学院院长李友专

摄影：蒋士棋

他举例，避免医疗错误（Medical Errors）就是预防医疗上亟需补强的区块。「在美国，医疗错误已经是死因的第三名，仅次于癌症和心脏病，」他表示，医疗人员普遍处于高压力工作环境，进入极度疲劳状态时，难免出现失误，造成看错症状、开错药方的现象，而且随着疾病分类愈来愈细，病患的症状也日益复杂，医疗错误将更难避免。所以，如果能使用AI辅助医生诊断、治疗，光是在降低错误这方面，就能大幅提升医疗品质。

再进一步，AI还能做到疾病预防。「我们都知道台湾有个健保资料库，却不知道多好用，」李友专解释，健保开办至今已经23年，拥有全台湾地区所有民众的用药、诊断、手术等资料，「而且台湾人平均一年看病15次，这么大量、高频、连续而且深度的医疗纪录，全世界只有台湾办得到，」他补充，从就医纪录的表现型资料着手，再加上掌握遗传的基因体资料，还有日常生活中的暴露型资料和行为型资料，就可以建立完全客制化个人健康和疾病预测模型。

「这些事情在过去是天方夜谭，因为变数太多，没办法进行准确预测，」李友专认为，技术上的瓶颈，假以时日一定可以突破。「这么多资料内的变数可能上百万个，现在的大数据模型确实还处理不了，可是10到20万个变数是没问题的。而且搜集的时间愈长，数据量愈大，预测的结果也会更准确。」

资料来源：
【智慧创新局-从医药开发到医疗服务，从人工智能到智慧应用】研讨会，2019/01/24

好消息～北美智权报有微信公众号了！ 《北美智权报》内容涵盖世界各国的知识产权新闻、重要的侵权诉讼案例分析、法规解析，以及产业与技术新知等等。 立即关注北美智权微信公众号→ NAIP_IPServices ～欢迎读者分享与转发～