AI醫療運用之倫理挑戰

講者／蔡甫昌（臺大醫院醫學研究主治醫師 ）｜彙整／羅崇綱
整理自2019.12.28 〈AI嘉年華．當AI成為人的那一天：未來世界的人與社會〉

AI步入你我社會

西元1996年，IBM的「深藍」（Deep blue）第一次挑戰西洋棋世界冠軍卡斯巴羅夫（Gary Kasparov）以二勝四敗落敗後，AI便展開復仇之旅。一年之後，「深藍」再戰卡斯巴羅夫，以六局全勝之姿一雪前恥。加上近年來的例子，西元2016年AlphaGo 打敗人類圍棋世界冠軍李世乭，摒除一對一腦力激盪的競賽，甚至有研究指出AI能在與五位職業的撲克牌玩家的較勁中勝出。

蔡甫昌教授提到，歐洲E化最全面的小國愛沙尼亞即將推出「AI法官」。根據 WIRED 的報導，「AI法官」可以用來審理金額低於7000歐元的訴訟案件，其判決具有法律約束力，以減少法院負擔為目標。然而，若案件內容超出原本用來訓練AI的資料集，則判決很有可能產生偏誤，因此民眾仍有持續上訴的自由。此外，印尼總統佐科威（Joko Widodo）建議將AI引入政府部門，並將政府機構最高的四個職級減為兩個，期待能讓官僚體系運作得更加流暢。

從最初只能從事單純的益智遊戲競賽，目前的AI已經能夠解決許多現實面的問題，逐漸在社會中佔領一席之地，也因此人們不該再將AI視為科技人的絕對領地，而是要嚴正審視AI所做出的決定的優缺點。

AI影響國內醫療產業發展

AI在國內醫學技術的進展也扮演著不可忽視的角色。2017年10月科技部就開始推動「醫療影像專案計畫」，組成跨領域團隊，對醫療影像資料進行符合AI訓練所需要的資料處理和編譯，開發可自動判讀醫療影像的演算法。經過一年的努力，已經建置46,450個案例醫療影像，資料庫也持續在擴充當中。

從科技部的新聞稿可知，推動「醫療影像專案計畫」的要點有三：第一，「資料共享」，不只要「保障當事人自主權」，讓當事人選擇是否提供資料，更要建立起「資料服務平台」，將當事人提供的資料去識別化，放上共享平台；第二，「在地醫療資料」，AI專家和近百名醫師合作，將收集來的病例進行標注，成為訓練AI的相關素材；第三，AI應用研發，不同研究機構可以根據自身專長應用平台上的資料，如台灣大學專職於心血管疾病的風險評估、臺北醫學大學則研究肺癌的早期病灶診斷等。

蔡教授也提到八個醫療AI的應用，包括保持健康、早期偵測、診斷、醫療決策、治療、臨終照護、藥物研究、優化訓練。IoT和智慧型穿戴裝置，可以源源不絕地回傳使用者的數據，同時也對其健康進行檢測；照護機器人可以協助醫護人員搬運受照護者，減少工作者受傷的風險。我們可以看出，AI不只能夠根據數據優化醫護人員的決策，也可以搭配實體配備，讓整套醫療服務流程更加自動化。

資料倫理逐漸受到重視

由於訓練AI必定需要大量的資料，對於如何取得與使用這些資料，一直是專家們關注的焦點。「資料倫理」（Data Ethics）指的是一種新興的應用倫理學，分別對產生、分析及傳播數據所產生的倫理問題進行思考，提出解決之道，並強調需要數據保護法令進行規範。

要使AI的應用更符合社會的期待，就必須廣泛徵求社會上的不同意見。2018年6月，歐盟人工智慧高級專家小組成立，52位成員中就包含學術界、產業界及公民團體，希望「可以被信任的AI」能夠被實現。若要達到目標，就要先讓AI遵守四大倫理和七大原則，其中四大倫理包括：「尊重自主」，AI應該保有人們進行有意義的抉擇空間、「避免傷害」，期望AI降低長久以來的權力不對等現象、「公平性」，AI所帶來的正負效益應該符合比例原則，並保留修正的可能、「可解釋性」，AI的決策過程不僅要透明化，更要能夠像受影響的人解釋決策原因。

往往訓練AI所需要的資料庫都必須要相當地大，若只專注於小範圍的資料，很容易產生偏誤，無法應用到其他地方。因此，政府應該帶頭制定AI使用的相關規定，並負擔起架設資料共享平台的責任，才能讓資料這座金礦帶給台灣無窮的經濟效益。

(本文為教育部「人工智慧技術及應用人才培育計畫」成果內容)