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。