「醫療業已經沒有別的選擇。」臺北醫學大學醫學科技學院特聘教授暨院長李友專直言，台灣已經到了不得不重視人工智慧的地步，但他並非只是跟上AI熱門話題，而是從這塊土地上，看見許多獨特的「醫療數據」，像平均就診次數、處方籤張數，到放射檢查數量等，都能成為「推動AI發展的燃料。」
數據越來越多，奠定AI醫療基礎
李友專說，台灣一年有約200萬人次做電腦斷層（CT）和磁振造影（MR）等昂貴的放射治療，而且一個人次可能有幾十張到幾百張不等的數量，兩者相乘下來的累積資料，已經是世界等級。另外，全台醫師開出的處方籤張數超過3億6千萬張，以平均4種藥來計算，數字非常驚人。
「這是好事也是壞事。」他笑說，即便台灣已經是Bloomberg調查，全球醫療效率第9強的國家，可是國人平均每年看診超過15次，或許比見父母的機會還要多，導致健保負擔不斷加重，已成為付不起的未來了。
根據健保署及健保會資料，2019年的健保總額將首度突破7千億大關，達到7140億元；另一方面，健保財務缺口卻不斷放大，從去年的負98億，預估惡化至負257億元。
疾病複雜化後，醫師犯錯機率增加
李友專是台灣電子病歷重要推手之一，也是醫學資訊和人工智慧臨床應用先驅，自1993年投入至今。身兼萬芳醫院皮膚科主任的他，目前還在前線看診，不過即使有多年從醫經驗，卻認為治療難度比起從前高了不少。
28日舉辦新書發表會，李友專用疾病種類的變化為例，1995年健保開辦時，國際疾病分類只有約1萬5千種；時間來到2016年，變成了8萬種病，當疾病複雜化的時候，醫師犯錯的機會也越來越多。「加上老年化社會，病人的身體狀況會更加複雜，而台灣的醫療現況也讓分給每位病患的時間，逐漸縮短。」他說，這些都是不得不面對的現實。
他再舉「用藥錯誤率」為例。相較於英國的8％、美國5%，台灣雖自認僅有4％，且這些錯誤中，也包含多給一顆藥等，不一定會傷到人體的錯誤，但搭配台灣獨有的高就診次數、處方籤張數等醫療現象，還是會造成許多浪費及傷害。
「美國統計十大死亡原因，因醫療錯誤致死位居第三，僅次於癌症和心臟病。」李友專說，即便這不是最新的調查，卻也能顯示，無論從什麼面項來看，若是不善用AI、投資AI，台灣醫療，恐怕也不見得有未來。
