Is this the future of health?
這是健康的未來嗎？
來源： 千家網
從1960年代初，學術界陸續展開對於人工智慧的研究，一直到目前的機器學習、深度學習等觀念，所帶來的第三波人工智慧浪潮。
對於醫療領域來說，在 1970 年代初期，人工智慧就已經被應用在各項檢查，例如根據血液檢查的結果，來發現患者的感染性血液疾病，並且延伸出輔助醫療者判斷，採用何種抗生藥物來成功的醫治，比起過去所採用的經驗法則，大大的提升對於感染性疾病的判斷準確性。
透過人工智慧技術的力量，可以達到一瞬間完成檢驗
直到最近，透過深度學習技術的能力，大幅度提升影像辨識正確性，舉例來說，透過 X 光攝影（X－ray photography）、電腦斷層掃描（Computed Tomography）、核磁共振（Magnetic Resonance Imaging），以及細胞檢查（Cytodiagnosi）等檢測設備，能夠從潰瘍的發現、腫瘤增大的結果，來發現身體的異常狀態。
而這些檢查過程與發現，已經從過去需要耗費 10 多天，一直到透過人工智慧技術的力量，可以達到一瞬間完成檢驗。
相信可以預見在不久的未來，醫學領域也將出現相當具規模的醫療變革（圖一、圖二、圖三）。對於疾病的診斷方面，以目前較簡單的方面來說，已經能夠透過類似建議協助的人工智慧來進行，例如，可以經由在具有醫療性質人工智慧的設備中輸入問診和檢查結果，來獲得類似診斷的建議內容。
 |
| 圖一 ： 從1960年代初，學術界陸續展開對於人工智能的研究。 |
 |
| 圖二 ： 伴隨辨識技術提升，醫學領域也將出現大模的醫療變革（A） |
 |
| 圖三 ： 伴隨辨識技術提升，醫學領域也將出現大模的醫療變革（B） |
和人類一樣，醫療領域的人工智慧也是需要經過一定程度的學習，才能夠產生對於事物判斷的能力，應用了學習而來的技術，可以從拍攝的醫療影像中發現病變結果，再加上患者的症狀、基因組體數據後，進而可以分析出初步的診斷結果。
日本透過政策計劃推動人工智慧在醫療領域的應用
因此，對於人工智慧在醫療領域的應用方面，日本也從政府階層開始進行計劃性地推動，在 2016 年 11 月，日本政府所召開的第 2 屆未來投資會議上，前首相安倍晉三就明確的宣示，大數據（Big Data）與人工智慧，將會在預防、健康管理，以及遠端醫療方面進行最大程度的應用，來實現高醫療品質，將人工智慧導入日本醫療體系之中，並且日本厚生勞動省也開始著手規劃一系列相關的政策，來因應人工智慧醫療時代的來臨，包括醫療費用的修正、採用人工智慧醫療的激勵措施等等，並且在 2020 年全面實施與推動人工智慧醫療制度。
為了達到在醫療領域更高度應用人工智慧能力，高度完整且安全數據庫的整建，絕對有其必要性，在這方面，日本政府開始整合和建立了，包括電子病歷卡、健康檢查數據、醫療、照護的收據憑證數據等，一元化系統數據庫，來做為跨入次時代健康管理系統架構下，提供更好醫療品質的第一步（圖四）。
 |
| 圖四： 日本政府正進行規劃的患者資訊數據數據庫概念圖 |
被稱為 PeOPLe 的人工智慧醫療管理系統，已經開始整合與保存日本各醫療機關裡每一位患者的醫療診斷紀錄，並且授予每個患者辨識編號（醫療 ID），除了方便保存與管理醫療數據之外，並且也將患者在不同醫療單位就醫的數據，予以統一保存管理，在未來就診時，醫療人員可以從數據庫中，讀取患者過去完整的就診數據與各種檢查報告。
醫療人員方面，在未來也將統一在 PeOPLe 中，記錄每一個患者的診療資訊，同時也可以作為患者在進行回診時，透過人工智慧技術的能力，在進行檢查、診斷、治療的同時，也可以向醫療人員提出醫療支持、建議和各種警示提醒。然而資訊化之後，除了可以節省無謂及浪費的檢查之外，並且能夠將醫療資源進行優化的分配，並且透過匿名化的醫療數據，提供給各學術單位進行各項更為先進的醫療研究。
資訊厚生勞動省醫藥生活衛生局長武田俊彥表示，在未來的健康管理系統方面，在這樣的構想下，醫療、照護等數據，將都會被網路化，並且作為大數據的一部分，除了減輕醫療人員的負擔之外，更可以透過大數據數據庫，在人工智慧技術協助之下，來對各地域進行下一代的醫療發展規劃，讓各地域的患者能夠得到較為完善的醫療服務。
不斷的反覆進行運算，達到快速增加高度判斷的能力
在這樣次時代醫療服務體系的建構中，最重要的還是莫過於人工智慧的技術力量，但是，在這裡人工智慧將會進行什麼樣的架構改變？
最初，電腦系統只有被輸入和儲存圖像，以及文字等數據，而再進一步的可以進行簡單的訊號收集、整理、辨識和分析。而加入了人工智慧之後，這些訊號數據就可以被同時並存地，進行特徵性比較，然後對於這些特徵性的文字圖像進行判斷。
就如同能夠對患者透過各種檢查設備，所拍攝而得到的圖像進行分析，然後更進一步的獲得診察判斷結果，同時再與數據庫中的樣品數據進行比對，根據所默認的規則，來做出各種診察報告。
在以前，必須匯集各種所獲得的醫療信息，以人工輸入的方式，提供具有初步人工智能的計算機或儀器來進行比對分析。不過，伴隨著電腦的計算能力有著飛躍性的發展，得以進行更為複雜繁重的程序計算，這樣的變化，已經可以從「如果是 A 的話，那就會演化到 B」的單純對應關係，進步到「在 A 的情況下，如果出 B 的話，可能會演化成 C」的多層判斷和分析，讓人工智慧技術進步到，可以自行「深度學習」的階段，進而不再需要依賴人工，來進行初步或比較過後的數據輸入工作，憑借人工智慧的深度學習能力，不斷的反覆進行運算，來達到數據自動辨識，快速增加高度判斷的能力。
 |
| 圖五 ： 人工智慧透過機械式的方式來有規律地進行自我學習。 |
在人工智慧對於醫療方面的學習、個案判斷基準，都是和普通人一樣，沒有什麼不同。長年投入人工智慧開發研究的慶應義塾大學理工學部生命情報學科？原康文教授表示，醫生從患者的問診結果中，抽離出重要的關鍵訊息，借以作為初步和廣泛程度的判斷，再以結果來對患者的病理做出辨別。這時，醫師還必需根據過往的學習知識和經驗，進行反覆的思考、驗證，來提升精確度，獲得正確的診斷結果。人工智慧醫療機制也是一樣，只不過比較大的差異是，人工智慧是透過複雜的運算來修正各種系數結果，並且不斷的反覆進行微調整，再獲得最後的結果。
將人工智慧導入急救醫療提升急救成功機率
在傳統上，急救醫療的本質上，就是醫療團隊和時間在競賽。而急救醫療在導入科技之後，就又多了智慧手機 APP 和人工智慧的協助。
日本東京慈惠會醫科大學，在先端醫療情報技術研究講座，擔任准教授的腦神經外科高尾洋之醫師，從 2016 年 11 月開始，就擔負著主導利用手機 APP 和人工智慧，協助急救醫療這個計劃的任務，2017 年度正式開始臨床應用實驗，並在 2018 年正式導入急救現場使用。
在 2015 年時，高尾洋之醫師就已經在日本東京慈惠會醫科大學，有著超過 3000 部具有這項功能的 iPHONE 導入經驗，並且將醫療訊息予以資訊化。在 2016 年正式展開這項計劃時，除了醫院本體之外，更加入了 Allm 這家公司，來共同開發智慧手機的 APP，並且整合融入了人工智慧技術，稱之為 JOIN。
JOIN 的架構是為了在數個醫療關係者之間，可以快速且有效的進行溝通、資料分析，並且讓包括手術室、急救室等數個醫療關係者能夠同時獲得，例如 X 光攝影、電腦斷層掃描或核磁共振攝影、醫學攝影、心電圖等各項身體檢測結果和數據。
 |
| 圖六 ： 利用手機 APP 和人工智慧協助急救醫療 |
實際上，救護人員在急救現場，是相當難以正確掌握患者的受傷或健康狀況，並且無誤地傳達給後續急救的醫療人員。而利用智慧手機 APP 和人工智慧協助急救醫療這個計劃，就是希望借助智慧手機 APP 和人工智慧，在緊急救護和運送的過程中，能夠讓後端急救團隊能夠及早獲得患者的狀況，縮短抵達後初步傷檢判斷時間，達到提升急救成功機率，與減輕各種健康後遺症為目標。
這個急救架構是透過人工智慧，來進行問診與生命特徵感測，再將所獲得的資訊予以分析，並且進行檢傷分級（Triage）。基於這個分析結果，在醫療單位接受急救患者時，就夠預先制定急救計劃，以及選定運送患者對象。
例如對於急性腦血管疾病的患者，可以在出現症狀時，讓緊急救護人員預先進行相關簡易急救醫療行為。以腦血管栓塞的患者為例，從症狀發生後的發生 3 小時內可經由靜脈給予 tPA，此類藥物的使用必須靠醫療團隊的合作，與時間賽跑以搶救腦細胞。並且在 8 小時內裡，用血栓清除設備實施血管內治療，讓中風後遺症降到最低的程度。而這些畫面、數據、各種行動、醫護人員之間的溝通，就可以透過手機中的 JOIN 這個 APP 來進行。
更進一步的，高尾洋之醫師不僅僅讓 JOIN 這個 APP，擔負著患者急救運送時的緊急和問診處理，更進一步的融合人工智慧來完成 Cloud ER 系統，初步將先以腦、心血管患者為急救對象，透過 Cloud ER 系統提高急救成功率與降低後遺症。
在「Cloud ER」系統中，所使用的人工智慧有兩大類數據分析。第一類是讓患者戴上具有量測心脈、血壓、心電圖等等，生命特徵功能的醫療電子手環。第二類則是透過智慧手機中的 APP 來收集整理患者的發病各項資料。
當預定接收患者的醫療機構也從JOIN和Cloud ER系統獲得發病各項數據之後，就能制定患者的急救計劃，以及準備相關急救器材，另一方面，也可同時指示負責運送的進護人員，進行必要的急救措施，讓患者運抵醫療機構之後，就能夠立即獲得最適切的緊急救護醫療。
非所有的醫療人員都樂意接受人工智慧醫療時代的來臨
雖然將人工智慧導入醫療系統，透過政府的推動、各業者的技術整合，看起來已經是必然的趨勢，但是對於現今的醫療體系以及醫療人員來說，還是必須面對無法避免的適應期。
事實上，透過日本的專業媒體訪問分析可以發現，並非所有的醫療人員，都相當樂意接受人工智慧醫療時代的來臨，甚至有一部分的醫療行為，將會被人工智慧系統或者機器人所取代，這更是深深激怒了部分的醫療人員。
根據調查，大概有 85.2％ 的日本現行醫師相信，在未來 100 年內，將會實現透過人工智慧來進行醫療輔助。只有不到 15％ 的醫師認為即使再過 100 年，人工智慧仍無法取代人類進行醫療行為。而對於採用人工智慧產品來做為醫療輔助方面，仍舊有將近 19％ 的醫師是相當排斥，甚至完全不考慮導入人工智慧醫療產品（圖七、圖八）。
 |
| 圖七 ： 預測人工智慧導入醫療時間的醫師比例 |
 |
| 圖八 ： 使否會採用人工智慧協助醫療行為的醫師比例 |
就意見而言，大多接受人工智慧醫療的醫師都認為，採用人工智慧醫療，可以達到再確認功能而預防人為疏忽，並且可以提供診斷的輔助、預防誤診，以及縮短確診的時間，甚至可以透過人工智慧醫療的力量，來補強自己不熟練領域的技術和知識。
當然，並非所有的醫師都是如此正面看待人工智慧醫療的能力。對於醫師而言，最沈重的負擔就是需要背負著「對患者的責任」，因此，最直接被反應的問題就是，當出現誤診時，是哪一方面需要負擔責任？
有些醫師認為，人工機械因為無法擔負責任，所以絕對不可以進行確診的這項工作，最多只能提供醫師進行確診時的參考數據。因為就診斷上，無論是慢性患者，或者是需要進行急救的對象，在醫療行為進行時，存在太多的變化，仍舊需要依賴醫師的經驗不可，這一方面，人工智能是絕對無法做到的。因此，讓機器人測量一下生命特徵的數據就好，其他方面，還是需要交給有經驗的醫師，並且需要重視醫師多年以來的醫療經驗和能力值。
 |
沒有留言:
張貼留言