人工智慧對於醫師人力需求的影響

根據《今周刊》2019年12月的報導,130位台灣醫護人員自發性發起醫療服務團,將健康外送到人口數約十萬人的尼泊爾小鎮,進行為期兩天的義診,總共服務人次接近七千人。其實,對國內外都相同,台灣的高品質醫療或許會遲到,但從不會缺席。然而,強勢競爭者AI的出現,會對這一切造成什麼影響呢?

講者|臺大醫院教學部主治醫師兼副主任 陳彥元
彙整撰文|羅崇綱

●AI取代醫療人力,真的有可能嗎?

專注於研究生命倫理、媒體與醫療及學習科學,陳彥元教授開場就替醫學界的後輩破除迷思,強調現階段AI無法取代醫師的角色,會被取代的是那些不懂和不使用AI的醫師。醫學界應該做的並不是拒絕發展AI技術,而是熱情地擁抱AI對醫療環境所帶來的改變。

對於此議題有一定了解的讀者都曉得,AI需要透過現有的資料進行訓練,較難應付沒有出現過的狀況。因此,要使用AI技術必須要滿足三項條件:第一,需要大量的樣本,或許有些人認為健保資料庫的樣本數一定足夠,但醫療過程中最關鍵的資料諸如醫師與病人溝通內容等,並不會被記錄至資料庫中,這會對AI的判斷造成影響;第二和第三分別為,情境要求單一和情感需求不多,然而,這兩項對於時時要與病患情感交流,以應付各種突發狀況的醫生,更加不可能避免。

加上醫師一直是台灣的熱門職業,每年總會吸引不少莘莘學子進入就讀。陳醫師提到,每年國內外的醫學院畢業生大約超過四萬六千人,有意圖並順利在國外找到職位的只有極少數,再扣除少部分醫師因故無法職業,或者意外死亡。事實上,台灣的醫師人數只會愈來愈多,而非媒體報導所報導的大量流失。

「不患寡,患不均」其實綜觀全台醫療的問題一直不在人數多寡,而在於大城市和偏鄉間醫療資源分配不均。陳教授就提到,全台總共有21家醫學中心,其中八家就在台北市,而醫學中心所擁有的大量醫師人數,就直接決定醫療品質的高低。

●到底AI能做的有哪些?

根據衛生福利部所公布的《專科醫師分科及甄審辦法》,台灣專科醫師可以分成23個專科,包括家庭醫學科、內科、外科等。病理科目前被認為最可能被AI取代,陳教授則抱持著不同看法,認為在將組織切片並進行化驗後,所得到的資料分析結果仍須讓專業的醫生進行確認,因為仍可能存在極度的偏差值。同樣的解釋也可以應用在放射診斷科的醫師身上,雖然AI可以減少一大部分人力,最終診斷結果的法律責任總有人需要去負擔。

撇除完全取代醫師功能的可能性,其實AI的確能夠大幅提升醫師執行醫療業務的效率。陳教授提到,AI不僅能輔佐進行診斷,幫助撰寫病例,更可以根據病人的狀況進行藥物推薦,也能夠提醒某些藥物可能具有沒有注意到的交互作用。

此外,美國食品藥品管理局(Food and Drug Administration簡稱FDA)和台灣食品藥物管理局署都已經核准不少AI相關醫療器材。2019年4月,台灣大學和台大醫院就共同開發「智慧術後傷口追蹤系統(AI-SWAS)」技術,建立人工智慧平台與手機App  ,對傷口的照片進行智慧判讀,不僅在傷口診斷上可以取得更多專家的意見,更能夠協助醫師掌握病人回家後傷口癒合的過程。

●迎接AI所帶來的巨變後,未來需要的什麼樣的人才?

跨領域人才是未來不可避免的趨勢。陳教授提到,過去就讀醫學院只有一個管道,那就是由考試入學,因此學生性質都相當雷同,在修課方面也比較專注於系上提供的課程。然而,近年多元入學管道逐漸開放後,可以收到興趣各異的學生,有的想要爭取更多工作權利,發起街頭運動,便去修習社會系的課;有的希望可以避免醫療糾紛,而去雙主修法律系;部分系所甚至鼓勵擁有資工背景的學生進入醫學院就讀,加速科技在醫療上應用的發展。

在AI解放大量醫療人力之後,必須要有更多人投入過去較乏人問津的教學領域和研究領域,才能適當地導引醫療人力找到出口。回歸AI的應用層面,要能夠更有效的利用AI進行輔助,最基本要搜集到充足且優質的病例資料,建置起適合機器學習的資料庫。以健保資料庫為例,其擁有大量資料,但搜集的目的卻不在於訓練AI或者進行研究,因此敘述上可能不盡精確。從最初的資料庫建立,到如何精確地判讀分析結果,最終思考如何將AI器材應用到實務上,這都需要源源不絕地新興領域人才投入。

社會大眾是否能夠相信AI所做的判斷,一直是討論熱點。然而,討論這個問題之前,應該要先了解,用來訓練AI的資料是過去就已經存在的人為選擇。因此,AI只能夠強化過去人為選擇上的偏見,而不是依據自由意志進行判斷。陳教授提到,美國公司亞馬遜(Amazon)過去曾經嘗試用AI進行新進人員篩選,卻意外發現男性的錄取率比女性高出許多,過去科技業對於女性的偏見在此顯露無遺。總結上述,討論的重點應該轉移到,該如何調整AI的判斷,才能夠得到社會大眾希望的結果。

人瀏覽過