瑞典籍醫生開發線上醫生分身,醫生如何與 AI 協作?

數位分身(Digital Twins)為結合IoT、AI、AR/VR、遠程監控等多種智慧科技,透過數據蒐集與模擬分析,對實體人事物轉為數位元件並透過虛擬建模,將這些「數位分身」置於在虛擬環境進行各種製程或產品優化的測試,以達到改善決策等效益。

數位分身應用於醫療領域

若應用於醫療領域,數位分身可幫助醫生收集患者的數據,如電子病歷,生理信息和生活方式,以便執行遠程醫療服務、預先模擬特定的療法、手術或施藥效果,並收集患者接受醫療服務後的反應。

有了「數位分身」在另一個空間先進行疾病治療的模擬,或能在第一次給藥時提高精準度,實現預測、預防、個人化、多人參與(4P)的精準醫療。

創創聯合創始團隊暨 K.E.E. Swedish Care China AB 執行長、瑞典籍醫師 Jerling Svante Ingemar 特別前來台灣參與「生醫界的智能文藝復興時代」論壇,他在演講時提到,ChatGPT 席捲下,影響層面鋪天蓋地,就連最保守的生技醫療領域,也被動的開放接受醫療體系 AI 智慧轉型。

AI+ 臨床決策輔助系統最適合四大領域

他指出,AI 結合臨床決策輔助系統,最適合用在四種方向:影像診斷、基因診斷、復健醫學肌電診斷和生理診斷。

人工智慧應用於醫學診斷上,AI 醫療期刊論文發表如同雨後春筍。近十幾年,美國食品與藥物管理局 (FDA) 已核准 200 餘款支持人工智慧和機器學習 (AI/ML) 的醫療設備和應用,各種 AI 數位醫療研究成果逐漸走進醫院,不僅可協助醫師診斷、監測病患生理跡象。生技醫療指標性媒體認為,未來一定可預見,AI 醫療將會像 ChatGPT 一樣進化,進而成為人類醫療重要的重心。

Dr. Svante 以自己的專長結合 AI,開發出醫療數位分身軟體,並且成功將軟體系統引入土耳其,讓醫療數位分身的可行性在歐洲被驗證。

他表示,他是中國手機社交軟體「探探」共同創辦人之一,在公司被第一大社交軟體「陌陌」以 8 億美元併購後,就轉而修習生技醫療。一般人可能覺得可惜,放棄獨角獸公司的大好前程,但他認為,回國學醫的 6 年時間反而是人生最開心的回憶,每天都能學習到新的東西。

Dr. Svante 表示,做為一個醫生,醫療知識是必要的,必須循證實踐(evidence based),即依據大量科研去實證。不過,實證醫學(Evidence based medicine,EBM),又稱循證醫學,是一種從龐大的醫學資料庫中,以統計學與流行病學的方法,將資料進行分析而得出結論,並依此檢驗的結果制定出最佳的醫療決策的一種方式。

而要得出令人值得信賴的醫療決策,其步驟包含從醫學資料庫中過濾出有意義且值得信賴的資料,經嚴格評讀,綜合分析,再將所獲得的結論與臨床經驗及對病患最佳價值做整合。

實證醫學應用在AI分身

他進一步解釋,循證實踐又分為三大方向,分別是 1. 臨床判斷(Clinical Judgment)、2. 有關的科學證據(Relevant Scientific Evidence)以及 3. 病人的價值觀與偏好(Patients' Values and Preferences)。但其中最重要的是科學證據(Scientific evidence),「證據」指的就是臨床實驗數據。

不過,Dr. Svante 也指出,病人的價值觀與偏好這塊最容易被忽略,畢竟每位醫生只有幾分鐘可以與病人溝通,以了解病人既有的狀況和現在的病症。

他也提出疑問,醫護人員的臨床推理(clinical reasoning)做得再好有用嗎?根據研究顯示,僅有一半的慢性病藥物被服用。通常,為了獲得最佳治療效果,需要 80% 或以上的堅持率。也就是說,很多患者就算拿了藥,回去也沒有堅持服用到足以產生最佳治療效果。

Dr. Svante 又舉出《人會出錯:建立一套更安全的健康照護系統》(To Err Is Human Building a Safer Health System)一書提到的數據顯示,美國在 1997 年,超過 3,360 萬病人住院,依據紐約研究數據報告,因健康照護不良而導致可能高達 98,000 人死亡,其他如導致重殘或處危險中病人就更多了,若以該報告取較低估計數,則因醫療錯誤致死人數,恐列美國死亡原因第八位。

醫生需要 AI 輔助嗎?

當時,醫療疏失造成的死亡人數遠比你我想像中的還要多,那 AI 能解決問題嗎? Dr. Svante 表示,目前已有臨床決策輔助系統(CDSS)可協助醫護人員判讀,CDSS 早在 1950 年代即已現身,只是過去是規則式(Rule-based),現在則演變為以人工智慧為基礎(AI-based)。

醫師為什麼需要 AI 協助?因為單靠人類的認知功能,已難以繼續追逐爆炸性成長的知識;換言之資料量愈來愈多,醫療決策的變數愈來愈大,倚靠機器來輔助是必須的趨勢。

不過,他也提出,AI 結合臨床決策輔助系統,儘管有助解決 Rule-based 的缺陷,但 AI 仍有侷限性。此外,臨床決策的結果該由誰負責?甚至,臨床數據的開放與數據安全之間要如何拿捏?

Dr. Svante 相信,在可預見的未來,人類醫生不會被機器取代,但人工智慧絕對可以幫助醫生做出更好的臨床決策,甚至在醫療保健的某些領域如放射學可取代人類判斷。