AI适用于早觉医疗 协助实现医疗品质与病人安全

台北医学大学医学科技学院院长李友专。

AI历经了不同时期的演变，1960年随着启发式查找的发展，遂正式展开以逻辑为基础的推理时代序幕，到了1990年在知识工程与专家系统的推波助澜下，正式进入以法则为基础的表示法时代。进入2015年自主学习开始藯为风潮，进而带动了由大数据驱动的机器学习时代到来，甚至有人预测2045年会进入超级智能时代。

当前健康照护存在许多关键疑虑与问题，台北医学大学医学科技学院院长李友专归纳指出，其不外医疗错误、品质不佳、以偏概全，以及轻忽预防。其中预防之所以很难的原因，不外缺乏可见目标、没有疼痛感、人们对机率不了解，同时科学家无法提出有效的预防措施，更重要的是其市场价值较低。至于预测，除非其能满足精准、及时、个人化与可行等条件，否则预测毫无用处。

针对三级预防，其中第一级预防可采用AI早期风险降低机制，第二级预防则适用AI早期侦测，第三级预防可透过AI早期介入(Earlier Intervention)来实现。李友专引述3,500多年前的《黄帝内经》所讲的「上医医未病，中医医欲病，下医医已病」，说明了国内古代早已具备预防医学的概念。

AI非常适用于早觉医疗(Earlier Medicine)，因为AI可以侦测健康恶万亿、预测疾病进程，并可预防失能恶化。例如台北医学大学联合皮智公司推出「痣能达人MoleMe」，其运用AI来协助民众自主检测身上的痣是良性还是恶性，该工具集结了3,000名使用者所提供的痣影像与4位皮肤专科医生的专业进行机器学习的模型训练。另外该工具也提供像是年龄、性别、痣的大小、痣存在多久，以及最近有无变化等5项非影像因子做为分析判读的参考基准。

痣能达人采用监督式机器学习与深度残差网络(ResNet)，其准确度高达93%，其判读结果与医师判读的一致性高达95%。目前痣能影像库已累积共15,000张影像。除了痣能达人，李友专的研究团队也另外运用AI机器学习推出「智能药物安全系统(AESOP)」，以及早期癌症预测模型。

李友专归纳指出，AI可协助实现医疗品质与病人安全，改善「以偏概全、一体适用(One-Size-Fits-All)」的问题，并达到预测与预防的效益，再者，AI必须用于改变未来医疗，否则医疗将不会有突破性的进展。