AI 醫療革命 - Peter Lee et al.

在 OpenAI 新一代模型 o3-mini 開放給付費訂閱用戶的今天，很適合聊聊這本書～本書作者群以 GPT-4 為例，探討 AI 在醫學領域的應用與挑戰。以下就書中內容稍作整理：

應用

• 協助醫師：診斷疾病、建議治療方法、解釋醫學概念、產生醫學報告、編撰教材等。
• 護理應用：如滴藥速率計算等，提升護理作業的準確性。
• 幫助病人：提供可靠醫療資訊、監測症狀、促進病患與醫療人員的溝通。
• 減輕文書工作：提高醫療行政效率，使醫師能將更多時間專注於臨床工作。
• 加速科研：搜尋相關資訊、提出假設、設計實驗、撰寫論文等。

挑戰與風險

• 資訊正確性與偏頗：可能產生錯誤或偏頗的資訊，影響診斷與治療決策。
• 倫理與隱私問題：涉及病患個資與醫療隱私的保障。
• 濫用與操縱風險：可能被不當利用，如病患以 AI 結果質疑專業醫師的診斷。
• 技術限制：Token 數量限制與無法長期記憶，影響 AI 的效能與準確性。

ChatGPT 於 2022 年 11 月 30 日問世，這本書則在隔年九月出版。儘管生成式 AI 領域在這兩年間快速進步，但在醫療這種高度監管的領域，書中的內容仍不完全過時。

書中前言提到一個略帶科幻的場景：醫師面對棘手病例時，請 GPT-4 解析抽血數據，協助診斷，並提供相關研究文獻供參考，甚至填寫保險公司藥物事前審查的表格，最終給出治療建議。

以上的情境，雖然技術上已經可行，但因病人個資保護與院內系統建置速度的限制，實務上整個流程仍不夠順暢。據我所知，目前醫院最常使用大型語言模型的地方是各種文書系統，協助不同職類處理繁瑣的文書作業。例如之前聽奇美醫院心臟內科廖家德醫師於演講中分享，他們將生成式 AI 整合進醫療資訊系統，協助病歷書寫（醫師）、護理與交班紀錄（護理師）、飲食建議報告（營養師）及會議記錄撰寫等，大幅減少以往可能需要花費很多時間和心力的作業，而且還能整合各個系統，更全面地評估病人狀況，最大化病人的利益。

其他職類的文書作業我不大清楚，不過就病歷書寫這塊，在撰寫的過程中，其實也是訓練年輕醫師臨床邏輯思考和統整能力，要如何在快速生成紀錄的同時，不影響個人的學習進程，大概就像現在軟體工程師面對會寫程式的生成式 AI 所面臨的問題一樣吧。

除了文書處理外，部分醫院也使用 RAG（檢索增強生成）技術，讓醫院 APP 中的 Chatbot 根據現有臨床指引，提供民眾相對正確的衛教資訊。另外也有看過一些可能的應用方式，例如在取得病人同意後，透過數位裝置即時收集病人在家中的生理數據，並由醫院系統分析後提供生活建議。

生成式 AI 為醫療領域帶來了顯著變革。然而在診斷和治療建議方面，因醫療的複雜性與正確性要求，目前多只停留在個人端的輔助使用。有看過急診醫師會在巡視觀察室時，將症狀、抽血數據和影像報告（已去識別化）輸入 ChatGPT，以確認是否遺漏可能的鑑別診斷。當然，所有的輸出結果都要進行「驗證」，但對於非醫療領域的民眾來說卻不容易，例如直接讓 AI 判讀 X 光影像，使用者難以確認正確性，更遑論複雜的電腦斷層和磁振造影。(不過如果是將病灶的特徵描述給它，正確率會顯著提升，前提是使用者需要具備相關知識以正確描述)

因此，AI 生成的醫療建議仍需專業人員嚴謹驗證和評估。至少到目前為止，醫學仍是個需要人類和 AI 彼此合作的領域，特別是許多次專科的決策往往超前臨床指引，需要專家們共同討論病人最佳處置方式。然而可以預見，在不久的將來，這場 AI 革命將深刻改變整個醫療產業，不僅能提升醫療人員的工作效率，也能讓正確的醫學知識更容易普及於大眾。