【台湾医疗】长庚AI实验室负责人郭昶甫：医疗AI能帮医生「看见病人」
写在前面：微信版本又更新，看着自己付出非常多辛苦的劳动成果被淹没在杂乱的消息列表中，小编们表示好心碎。在这里真诚的邀请各位加上星标或置顶，具体操作很简单，只要三步：①点击本文左上角“亚太养老产业力量”——②右上角“. . .”——③选择置顶（安卓）或星标（苹果）。谢谢大家一直以来的信任和支持。
亚太养老产业力量
三周年啦！！！
即日起在文章底部留言，当天获取您的朋友对您的留言点赞超8个❤，即可获得奖品。
赶快去留言区留下您的精彩点评吧！！！
这次我们的奖品是：
去年，林口长庚医院以4500万成立「人工智能核心实验室」。这个15人的团队，目前正着手超过20个计划。为AI在医疗场域应用把关的人工智能核心实验室主任、长庚医院风湿免疫科主治医师郭昶甫，在2019天下经济论坛（CWEF）时指出，AI很难介入医疗的本质，但可以帮医生减轻负担、时间的浪费。除了医疗法规、资料取得、基础建设等挑战之外，医护人员的训练也是一个大工程。
长庚，现在是台湾最大的医院，1万多床，每年200万就诊人次，7个医院横跨整个台湾。
我们在引进新科技的时候，碰到很多问题。其中医疗AI领域是很重要的议题，因为人命关天，所以一定要确保病人的安全。当医疗界碰到很多问题的时候，大家会问为什么动作这么慢，没办法引进新科技？长庚算是勇敢跨出了一步，因为严格说起来，医疗AI相关技术还没有真正在临床上使用，只是辅助医生，而现在有些也开始拿到FDA认证了。
医疗AI准确性有限，服务需要延续性
所以在AI进入医院的时候，我们要问三个问题。
首先，AI的核心价值是什么？我认为，减少医生的负担和干扰，改善医病关系是一大核心。病人安全是个大问题，不只是用药会改善，任何介入都会有安全性因素。而每次病患看到医生的时间可能都只有3、5分钟，便利性也是个问题。
其次，医疗AI可以处理什么问题？很多研究发现，目前为止能解决的问题不多，大部份集中在疾病与病患分类、流程预测，以及治疗病人相关的类别。虽然现在FDA核准的项目很多，但现在AI应用相对简单。
第三，医疗AI可以多好？我们从《Nature》上的发表来看，AI可以接近人类，但准确率只有80%，甚至60%，这样的结果，我们可以接受吗？现况是如此，某些医疗应用可以与人接近，某些程度一致性提高，但应用十分有限。医疗服务需要延续性，不是单一产品就能取代。
大家都看过医生，我们都知道医生跟病人互动，提供直接服务，很难用科技介入。因为大家都希望跟医生谈半小时、1小时，说清楚发生什么事、有什么选择。医病双方一起讨论，该做哪些介入措施，这是AI不容易介入的部份。
除此之外，还有很多是间接服务，例如大家看不到X光诊断等等，还有其他支持性的服务也含有许多规范。比方说，为什么挂号、住院、抽血等，护理师都需要跟病人详细解释，是因为有安全、感染控制等问题。在医疗间接服务的部份，或许AI可以介入，但病人是看不到的。
此外，医院运作也跟公司一样，有人事、费用等问题。而且医院不是单独存在的组织，要跟外界结合，关于健保、社福体系、金流等，都是医院必须要做的事，但病患一样看不到，却也都是AI可以发挥的空间。
AI减少医生的干扰，就诊前先提供数据
真正的医疗是医病关系的距离。在这短短的距离，我们要做多少事情？病患提供个人资料与疾病历程之外，还想问很多问题。医生要做的是，把病患所有检测和背后信息汇整，做出医疗决策，并跟病人一起做决定。这是医疗最重要的本质，AI很难介入，但我们可以减少医生浪费的时间。
以前我们去看门诊，医生是边写病历边跟你聊天，现在医生是边看计算机边跟你讲话。但医生有没有看到你？花的时间占了多少比例？其实你看医生的3、5分钟里，他可能有一半时间都在看计算机，这是很严重的问题。
如果医疗AI可以介入，减少医生的干扰，就能让他们把目光放在病人身上。所以我们协助沟通，透过穿戴装置、流程整合，减少医生汇整数据的时间，在病人到诊前就把该做的都做好。事先把信息提供给医生，一旦沟通顺畅，服务价值自然提高。现在有些产品，如Apple Watch，就是先做好监控，到诊前就让医生知道。如癫痫管理、中风影像侦测等，间接医疗服务就是医疗AI应用的一大热点。
目前这35项FDA认证的医疗器材，基本上都是诊断用。比方说，长庚做的鼻咽癌影像检测，就是非常困难的一件事。或是当你骨折去急诊，关键问题就是要在很快的时间内做出正确诊断。再来，抽血时针对全血球的简单辨识，健保给付才100多台币，但急诊每天要花费3个医检师的人力，半夜等在那边做这件事。或是免疫荧光自动判读，医生要看100张影像分类。技术不难，但非常繁琐。
此外，医院防止病人跌倒、控制感染领域也很重要。因为其实医院是很危险的场所，所有严重的疾病与感染源都在这里。而医院也常碰到病人半夜需要急救的状况，但若有预警机制，就有机会可以把他们救回来。若套用AI技术，有些运算法可以连续性监控病人身体状况，提前预测其可能的死亡机率做预防性服务。
医院要生存，还要跟健保打交道，要顾虑人事、预约、缴费、保险申报等。比方说，DRG申报的好坏，可能会造成结果产生30%至40%的差距，甚至从赚钱到亏本。所以优化申报，或许也是AI可以做的事。
这些都是很大挑战。像长庚在推展的过程中，第一个碰到的就是医疗法规的问题。我认为医疗界必须符合法规要求，任何还没有FDA、CFDA等认证的，都不适合公开说可以用在医疗领域。医疗器材软件的临床评估（SaMD）下，有些产品可以到FDA，但这是重要的程序。我们尊重程序，为的不是准确率，而是对于病患的风险的控管。
医疗AI引发争议，你愿意被连续性监控吗？
然而AI到底可以看到什么，跟医生看到的内容一样吗？这是一个黑盒子，其实我们都不知道。有些技术可以藉此发现某些问题，但医院做了很多测试，却发现计算机看到的不见得跟医生一样，有些甚至差距很大。因此即使AI做出来的准确度高，可是大家可以接受吗？
另外，资料取得也是问题。一个人从出生到死亡产生的数据量是好几个TB（兆字节）。乳癌病人需做医疗影像，一个病人就要10几张，不要说CT、MRI，很难整合串联。
再来，数据合法吗？不是说用公开数据来做就可以，要合法，还要有病人同意才可以做成医疗器材或是运算法。因此隐私权也是大问题。我们从运算法可以看出用药有没有改善，但大家可以接受吗？连续性监测对隐私的介入，可以用在医疗领域吗？
基础设施也是大问题。长庚医院做了一个实验，成立核心实验室，投资许多费用建立基础设施与研发团队。
另外还有网络速度，平常传照片没问题，但档案变成20倍会碰到什么问题？医院每天都在处理。AI不是做做服务器就好，网络传输全部都要更新，并不是小工程。实验室刚开始，计算量就占了长庚整理运算量的97.6%。为了要做简单的几件事，用电量就超过长庚质子中心，这是合理的吗？储存量是我们过去2011年到2018年的59倍。
最后，我们怎么让医生理解这些事情？我们跟台湾AI学校合办2梯次的教育训练，总共训练250位医护人员，但长庚总共2万2千人，也就是说我们花了1年多才训练了5%人员。我认为医疗AI对医疗管理和服务都会有正面影响，而不是科技层面，科技走太快，远超过医疗界的需要。即使很多挑战很基本，还是很难快速解决，这都需要时间。所以长期还是会内化到医疗服务，不会看到AI在什么地方。
文章来源：社团法人亚洲华人医务管理交流学会
寻求：受多家海内外公司委托收购，投资！！！
要求：公建民营养老机构项目，投资老年护理院，投资居家护理， 有养老土地的项目等……证照齐全！北上广及全国各省会城市……各种方式合作可谈！
电邮：228545312@qq.com
微信：jgj228545312
江湖不相忘 分享点“在看”