台灣AI醫療進展正邁向青春期，不管是大規模的醫學中心，甚至區域或地方醫院，人人都在測試AI、訓練AI應用。這當中，中國醫藥大學附設醫院（以下簡稱中醫大附醫）是不能不提的領先好手。
2019年2月，中醫大附醫舉辦AI門診啟動記者會，一口氣宣布將多項AI解決方案導入心臟科、腎臟科、胸腔科、乳房外科、兒科、眼科、精準醫學、健檢中心等科別。總計落地8科、46個門診，包括肝臟纖維化、肝癌分群、乳房腫瘤超音波檢查，都有AI提供醫療輔助。
實際的效益包括：醫師從X光圖判斷骨頭年齡，從約6分鐘大幅縮短至0.1秒；臨床診斷糖尿病視網膜病變，經由眼底鏡影像觀察血管、出血及斑點程度來評估分級，AI也能扮演「第二專家」，快速提供建議……。
AI「教法」各不同，彈性標準讓體驗大升級
「一開始確實比較像探索，什麼都做。」中國醫藥大學附設醫院醫療智慧中心顧問、放射腫瘤科主治醫師王帝皓指出，大約3年前，醫院的開發方式是由臨床醫師提需求，評估AI能否解決；但是每個領域都有獨特議題，容易見樹不見林，而且各個專案耗費人力，資源卻無法有效串連。
的確，單論導入的「AI應用數」，中醫大附醫這一年多來累積超過百項。不過，他們進一步思考，與其追求各種應用突破，不如設法讓「體驗升級」。
王帝皓以自身專長舉例，全台僅200多位的放射腫瘤科醫師，經常用「鍵盤開刀」，意思是醫師透過鍵盤，描繪出癌症患者的器官長相、位置，從中圈選出腫瘤，再打造出一套專屬治療計畫。
「這要一個一個像素（pixel）去比對位置，感覺很像在用『小畫家』（微軟Windows內建繪圖工具）。」
然而，這份「繪圖」工作實際上一點也不輕鬆。由於腫瘤邊界不明顯，醫師必須交叉比對電腦斷層掃描（CT）、磁振造影（MRI）影像，才能清楚勾勒輪廓，有時光是單一個案，就需要畫上4、5個小時。
即使建立AI模型之後，部分案例的腫瘤勾勒工作，可以從5小時變5分鐘，看似大幅解決問題，實則不然。
醫師之間的「看法不一致」是很常見的現象，像是腫瘤怎麼畫，各醫師的標準就可能不同，也沒有對錯可言。不過，這對於接受一套標準訓練的AI應用，就會帶來巨大考驗。
中醫大附醫得出的解決之道，是 讓AI具備彈性。透過在AI圈選系統裡建立回饋機制，可以讓不同的醫師依照自己習慣，直接在臨床軟體中儲存、更新繪製結果，回頭再次訓練AI模型，提高準確度 。
同樣狀況也發生乳癌治療上。一派放射腫瘤科醫師著重「預防性治療」，懷疑會有復發情況，認為治療應照射到特定淋巴結位置；另一派則認為不需要，擔心多照放射線，會提高肺纖維化機率。
「醫療往往沒有斬釘截鐵的答案。」王帝皓表示，較好的AI設計，是取兩種作法的中間值，提供調整空間。
助臨床即時發現病徵，從判讀走向預測風險
從醫師與AI協作過程，中醫大附醫觀察到，AI醫療能持續進步，除了醫院資源的支持，工程師人力也是關鍵動能。
中醫大附醫現有30多位工程師，技術轉移的新創公司長佳智能也有35位工程師。
其次，持續擴展AI應用，將對臨床更有幫助。
像在骨齡AI的介面上，就在最初的年齡判讀之外，增加了可自動產出的模板報告、最終身高預測、結合中醫藥方推薦、身高曲線追蹤與使用者回饋等多項功能；針對心電圖判讀，則是發展出主動提醒功能，建議臨床醫師複閱心電圖，以更即時發現如急性心肌梗塞等病徵，縮短病人入院到治療處置的等待。
目前，中醫大附醫的AI應用數，已整合為28項左右，聚焦癌症、神經學、心臟與基因等4大領域。
「病徵的事先預警，將是智慧醫療未來發展的一大重點。」王帝皓舉例，心電圖AI不能只是分辨心房顫動的有無，還要提升到「發作形態」，甚至結合穿戴式裝置，提前預測中風的風險。「長遠來說，能由AI告訴我們該優先處理哪些事項，對醫療體系會有莫大幫助。」
責任編輯：張庭銉、林美欣
