文章專區

近年來，人工智慧（artificial intelligence, AI）在醫學領域的應用範圍愈來愈廣泛，逐漸從輔助影像診斷發展到能具體預測患者的預後狀況。例如中國天津醫科大學的研究人員開發了一種AI模型，能夠協助辨識癌症轉移的來源位置，準確率高達83%。幫助醫生改善晚期癌症的診斷和治療，並延長患者的生命。加拿大多倫多兒童醫院（SickKids）則利用急診分科數據建立一系列AI模型，協助醫師判斷需要執行的測試，分析顯示可加快22.5％就診與治療流程。

AI在醫學領域的應用正在迅速發展，為醫療診斷和治療帶來了新的可能性。然而，這項技術也面臨著諸多挑戰，需要科學界和醫療界共同努力以確保AI技術的安全有效。

醫療AI發展所面臨的挑戰

醫療上使用的AI工具可靠性，首先需面臨數據代表性的問題。AI演算法的性能和可靠度與訓練數據所涵蓋的範圍息息相關，現今的AI工具仍存在取樣偏差的問題。過往研究顯示，許多獲得監管批准的AI醫療設備缺乏全面的安全評估和偏見分析。這意味著這些工具在不同患者群體，例如不同的種族、性別、年齡、取樣環境中，可能產生不可靠的結果，從而影響患者的生命安全。舉例來說，Google Health開發了用於檢測糖尿病視網膜病變的演算法，該演算法採用來自美國的資料來訓練。但在後續實際應用時，卻發現它在泰國診所的表現不佳。進一步研究才發現，原因來自於泰國診所的照明條件較差、眼睛圖像品質較低，與從美國獲得的訓練資料差異大，因此無法得出可靠的結果。

其次，AI工具的安全性與使用者息息相關，使用工具的醫護人員是否足夠了解AI演算法的限制與缺陷，並依此做出判斷與說明，將嚴重影響這類工具的成敗。舉例來說，位於美國明尼蘇達州的妙佑醫療國際（Mayo Clinic）在發展根據心臟射血分數（ejection fraction,EF）偵測心臟衰竭的AI演算法時，就發現需要提供醫護人員解說指引，才能讓演算法的成果對患者更有幫
助。而愛德華生命科學（Edwards Lifesciences）研發用於監測手術低血壓的演算法時，也發現在隨機臨床實驗中需要由麻醉醫師妥善遵循與AI演算法搭配的診斷流程圖，才能真正達到有效的早期干預、縮短患者於手術中出現低血壓的時間。

此外，目前許多醫療AI演算法的臨床試驗數量不足，因此安全性與可靠性仍然令人存疑。這種情況有一部分原因與財務成本有關，若要進行更多試驗，將會大幅提高開發的成本。醫院可能更傾向於採用較低成本或者能節省開支的AI工具，但無法確認是否有助於提供患者最佳的醫療照顧。

如何確保醫療AI的安全性與可靠性？

讓每個醫療採購單位自行評估醫用AI可靠度的成本相當高，因此為了解決這些挑戰，由Google、亞馬遜（Amazon）、微軟（Microsoft）等公司贊助組成的健康AI聯盟（Coalition for Health AI）提議可建立健康AI保證實驗室網絡，以集中化的方式評估各個AI模型，確保此類工具在不同環境和人群中的適用性和公平性。但也有一些單位，例如Health AI Partnership致力於幫助各單位建立測試AI模型的能力，以確保AI工具在特定環境中的有效性。

此外，醫療AI工具的成功與否，不僅與演算法的精確度有關，還取決於醫療專業人員如何使用這些工具。研究
，同樣的AI演算法在不同機構的臨床試驗中可能產生不同結果，主因來自於醫生對AI提出的資訊有不同反應。因此，在實施AI工具時，制定明確的診斷流程和培訓醫護人員變得至關重要。

最後，隨著AI在醫療領域的應用不斷擴大，患者知情同意的問題在未來也將逐漸浮現。目前，大多數醫療AI工具主要用於輔助醫療專業人員進行篩查、診斷或治療規劃，患者很可能並不知道自己被診療的過程中使用了AI相關技術，以及其中的安全或隱私風險。另外，也有部分AI工具設計的邏輯是直接提供給患者或監護人使用，背後的成本與責任分配仍然十分模糊。例如加拿大多倫多兒童醫院就發展出供照護者使用的急診評估AI演算法，可提出建議的檢查項目、加快臨床醫師的判斷以節省時間，但也有做出不必要檢查、增加患者負擔的風險。因此相關的監管與負責機制，將是醫療AI的發展重點之一。

醫療AI未來發展方向

為了進一步推動AI在醫學領域的發展，以下幾點值得關注。首先，加強跨學科合作：醫學、電腦科學、倫理學等領域的專家需要緊密合作，共同解決AI在醫療應用中遇到的技術和倫理問題。其次，完善法律法規：隨著AI技術的快速發展，相關法律法規也需要及時更新，以規範AI在醫療領域的應用，保護患者權益。再者，提高數據的品質和開放性：高品質、多樣化的醫療數據對於開發和驗證AI模型至關重要，因此需要建立更好的數據共享機制，同時確保患者隱私得到保護。

此外，加強醫療人員培訓也是重要的一環。隨著AI技術在醫療領域的廣泛應用，醫療人員需要接受相關培訓，了解如何正確使用和解釋AI工具的結果。最後，重視患者教育同樣不可忽視。讓患者了解AI在醫療中的作用、優勢和侷限，有助於增加患者對AI技術的信任和接受度。

AI技術未來有望在個人化醫療、疾病預防、調整醫療資源等方面發揮更大作用。然而，我們也需要保持警惕，確保AI技術的發展不會加劇醫療資源分配的不平等，或對醫患關係產生負面影響。

新聞來源
Lenharo, M. (2024). The testing of AI in medicine is a mess. Here's how it should be done. Nature, 632(8026), 722-724.