Google發展AI的初衷，就是要幫助所有人；我們在7月剛落幕的Google智慧台灣計畫活動中也明確表達希望透過AI驅動的科技，提升台灣的經濟韌性、數位韌性與社會韌性，並相信生成式AI在醫療照護領域應用可展現其巨大的潛能與價值，有助台灣社會更加具備應對未來變動的韌性。
世界衛生組織指出，全球護理師短缺600萬人，而在台灣，根據衛福部統計，台灣領證護理人員約30萬人，但實際執業人數僅約18萬人，顯示實際投入醫療現場的動因不足。
雪上加霜的是，全國護理人力流失現象自COVID-19疫情以來，來到近年十年新低，投入醫院執業的人數百分比更明顯下行，近年來護理人力的短缺已對醫療體系的持續運作及醫療服務品質提升構成重大挑戰。
為協助解決全球醫護人員短缺的問題，Google Cloud打造以生成式AI為基礎的醫療照護解決方案，展示並推出一些工具，其中包括專為醫療產業優化的基礎模型系列MedLM，以及旨在協助搜尋關鍵資訊並提取洞見的Vertex AI Search for Healthcare，來將Google Research的最佳成果帶給Google Cloud客戶。
2024年，我們看到這些技術已從實驗和試驗階段轉向實際應用案例，特別是在減少行政負擔、幫助臨床醫生輕鬆查找資訊、協助醫療院所的客服人員，以及幫助醫療組織更有效地運作。
我們相信，生成式AI可以在多個應用案例面向上持續被發展探索，例如整合不同來源的資訊，包括醫學影像、臨床報告文本和語音，全力拓展我們對健康和醫療的新理解。
除了協助紓解當前的醫療人力短缺課題，我們還希望透過生成式AI推動醫療領域的持續創新和深度轉型，並將重點聚焦在三個關鍵領域的發展：短期優化、長期轉型以及深層學習（short-term optimization, long-term transformation, and profound learning）。
這三者之間並非獨立存在，而是具有緊密的相互關聯，例如，初期減輕文書負擔的措施，將有助於我們理解生成式AI和在醫療領域的長期應用和最佳實踐；這將是影響未來十年內的重大變革，而此變化並非突然出現，而是逐步建立起來的。
以下分享我認為生成式AI可為醫療產業與人員帶來的改變。
短期優化：減輕行政工作，卸下醫護重擔
即使在醫藥與護理照護這個變化度高的產業中，過去幾年仍經歷了異常劇烈的變動。首先，COVID-19明顯揭露出了全球醫療產業面臨的成本壓力、人員短缺、技術碎片化和行政複雜性。
三年後，生成式AI的出現可幫助緩解其中一些壓力。例如，可透過生成式AI摘要報告以及長篇文件，簡化文件生成流程，以減輕人手不足的臨床醫療人員的行政負擔。
此外，生成式AI也可以透過協助臨床文件記錄、輕鬆查找相關資訊以及幫助放射科醫師、病理學家和實驗室工作者處理大量結果來減輕醫護人員的認知負擔。
毋庸置疑，人類在整個流程中仍居於核心地位，然而借助生成式AI，醫護人員可透過更強大的新工具來減少重複性工作，進而從事更重要、更有成就感的的工作項目。
根據世界衛生組織的數據，2020年全球約有2800萬名護士，若每天為他們節省5分鐘，便能將總計266年的時間更好地運用在病人照護上。
除了大幅節省時間外，提升職業吸引力也是另一項重點，而這些小幅度的改變累積至一定規模後，將會產生巨大的影響。簡而言之，透過減少職業倦怠，提高工作成就感，最終將有機會讓醫護人員重燃熱情，使所有人都受益。
長期轉型：打造「AI輔助醫師／護理師」，提升醫病溝通品質
舉例而言，我們協助中國醫藥大學附設醫院（中醫大附醫）運用生成式AI並結合Google MedLM大型語言模型，打造「AI輔助醫師」系統，能協助醫療人員縮短尋找資料的時間，並迅速抓取準確資訊、生成治療計畫書、提供個性化治療建議以及解答各類問題。
此外，中醫大附醫也針對護理領域，結合生成式AI率先開發「AI輔助護理師」應用，提高護理人員之間的溝通、護理品質以及協作效率。
短期來看，由生成式AI推動的效率和服務提升可能看起來是漸進的，但從長遠來看，它將為整體醫療體系帶來顯著的正面影響，包括提升醫療服務的品質、縮短患者的等待時間，以及增強醫療人員的工作滿意度，最終改善患者的健康結果和整體醫療體驗。
生成式AI在醫療領域的潛力不僅限於上述的實際應用案例，還有數據整合與分析的能力，其中最具潛力的部分在於以新方式匯集和重組現有數據，如電子病歷、診斷報告及描述病患與醫院狀況的PDF文件。
生成式AI可生成新見解並揭露潛在模式，提升患者照護體驗並促進整體健康改善。MEDITECH做為該領域的領導者，率先簡化電子病歷的搜尋與摘要，自動生成出院病程摘要初稿。
更令人振奮的是，生成式AI不僅能結合來自不同來源的數據，還能融合影像掃描、實驗室結果和患者訪談等多種資訊，讓生成式AI更精準、安全地解答醫學問題。
深層學習：醫療與AI緊密鑲嵌，實現「健康台灣」願景！
醫療是一個獨特且充滿挑戰的領域，融合了科學、人文與商業營運的複雜性。數據分析嚴謹性、同理心與經濟效益缺一不可，我們榮幸能身處如此匯聚眾多才智的領域，共同追求三者間的最佳平衡。
展望未來，我們相信生成式AI能深化對科學、人文和商業在醫療領域相互作用的理解。這對於理解和部署新技術的醫療監管機構、致力於提升患者理解與治療效果的研究人員和醫師，以及追求更公平與有效地醫療服務的醫療機構和患者而言，皆具有深遠意義。
例如，我們與Google Health和衛生福利部中央健康保險署（以下簡稱「健保署」）在今年6月宣布啟動的慢性病風險管理「AI醫療照護研究計畫」就是一個很好的例子。
健保署採用Google Cloud一系列專為醫療保健產業微調的基礎模型MedLM，並在Vertex AI平台上建置、訓練和測試客製化的生成式AI大型語言模型，期望提前數年預測第二型糖尿病患者的併發症風險，除了提升糖尿病患者的醫療成效，更是在實現「健康台灣」願景道路上，為台灣醫療體系提供有效支持。
生成式AI在醫療領域展現巨大潛力，並可能在未來帶來更深遠影響。短期內，我們將持續深化對生成式AI應用前景的理解，並透過眾多專業人士的協作，共同推動智慧醫療的長遠轉型。
Google Cloud堅信生成式AI在醫療照護領域的應用將有效解決當前挑戰，實現以AI賦能「健康台灣」的願景，為台灣醫療機構、醫護人員和患者帶來全方位的突破，打造一個更健康、更智慧、更具韌性的未來。
（觀點文章呈現多元意見，不代表《數位時代》的立場）
延伸閱讀：Salesforce將推新平台Agentforce！CEO為何嗆「微軟Copilot令人失望」？AI代理人有多強？ Gemini重大升級！新增客製化AI助理Gems、Imagen 3生成超逼真影像，功能怎麼用？
《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。
責任編輯：溫偉軒
