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。