AI已是時代顯學，各個產業都在探索各種可能，尤其醫療產業的AI應用更是受到矚目。確實，已經有非常多的醫療服務環節導入AI，但是直接應用在醫療臨床流程卻是屈指可數。
AI已是時代顯學，各個產業都在探索各種可能，尤其醫療產業的AI應用更是受到矚目。確實，已經有非常多的醫療服務環節導入AI，但是直接應用在醫療臨床流程卻是屈指可數。
即便已經有上萬篇醫學雜誌期刊告訴全世界AI在醫療領域取得突破與創新，為什麼多數醫生還是不願意，甚至不敢輕易使用這些AI技術？AI在醫療產業真的會如預期前景看好？林口長庚醫院醫療人工智能核心實驗室主任郭昶甫觀察，目前AI醫療還存在許多待克服的挑戰，直言：「其實還沒到最後一哩路，還差得很遠！」
現況一）多數為回顧性研究，數據是否具臨床可信度？
目前關於AI應用在醫療的相關研究不在少數，不少結果顯示，在某一些程度上，AI的準確率已經接近專業醫生，可以達到0.9，甚至0.95以上。從數字來看表現非常好，但事實是，能夠實際在臨床服務應用的AI醫療產品非常少，就連最先進的美國，也僅有零星的幾個醫院在臨床流程使用AI。
這中間到底發生了什麼事情？就在不久之前，權威醫學期刊《The Lancet》發表了一篇關於「比較深度學習和專業醫護人員在透過醫學成像偵測疾病的表現」的系統性評論與統合研究（編按：在醫療界一旦有統合研究出現，就表示該主題趨近於成熟，已經有足夠的內容可以去做共通的研究，並且告訴大眾研究結果），這份統合研究最初找了31,587篇的研究，經過篩選，排除了31,562篇，最終只有25篇論文納入研究。
「這是非常可怕的一件事情！」郭昶甫提到，雖然現在AI的各種技術進步飛快，有各種研究報告，但是它的品質截至目前為止還是很難說服醫生。從這篇統合研究篩選論文的過程不難看出端倪。這些被排除的論文，多半是因為沒有實際病人的基本特徵，如年齡、性別等資訊。這個問題就在於，這些研究都是採用過往的資料，而忽略了與臨床實務的比較，加上這些資料收集的目的多有不同，即使透過機器學習，準確率可以和專業醫護人員幾乎一樣，但是這樣的數據可信度依然讓多數醫護人員存疑。
現況二）50%的醫院只願意投資經費在「行政AI」
這樣的存疑，也導致多數的醫院不敢將資源投入在臨床AI。醫療保健公司Optum在2019年針對醫療產業做了一份「醫療行政管理」調查，發現了四個結論。第一，投資AI的ROI（投資報酬率）整體表現不錯，他們認為三年就可以回收；第二，62%的醫院已經有自己的AI策略；第三，多數醫院對於行政AI（Administrative Application, 62%）的信任程度高於臨床AI（Clinical Application, 38%）；第四，50%的醫院偏向於優先投資業務流程自動化（Business Process Automation），而非臨床自動化（Clinical Automation）。
「臨床AI是少的，行政是多的，」郭昶甫解釋，如果醫院也在做車牌辨識、人臉辨識，這家醫院是否算是AI醫院？他也分析，調查中提到的三年ROI回收，可能也是以行政AI來計算，若是臨床AI真的要做到這樣的程度，難度還是非常高的。
現況三）引入AI工程浩大，誰來買單？
臨床AI與行政AI的差別究竟在哪裡？臨床AI需要通過許可，需要獲得FDA（美國食品藥品監督管理局）/TFDA（衛生福利部食品藥物管理署）的認可才能上路，而且整個流程繁雜耗時長，同時還需要讓醫生、醫院理解這些新的醫療技術，取得他們的信任，最終還會面臨一個問題，誰來買單？
「資料是石油，AI是電力」這是大家經常聽到的口號，但是如果把這個價值鏈放到醫療產業，會是什麼樣子？實際上，從資料的產生、AI模型建立到AI技術的應用，都發生在醫院裡，但銷售的資本利益都是在業界，也因此很少有醫院有足夠的財力跟資源來負擔。
以長庚醫院為例，將AI演算法導入臨床流程，不僅需要開發，引進這套系統還會對現有的流程造成變動，各項基礎設施、人員教育訓練都必須全面升級才能順利運作，據了解，長庚醫院花費上億元來做這個投資。「但是其他醫院呢？」郭昶甫坦言，不是所有醫院都能負擔這麼大的投資，而且是否有足夠的動力讓醫院花費大量的人力、財力、物力和時間來做這些事情？誰可以來支援？誰能協助醫院來做？這都是很實際的問題。
以目前的情況看來，距離AI在醫療落地的最後一哩路似乎還有一段距離要走，隨著技術不斷迭代更新，法規、財務等相關的變化也超乎以往的快速，這也考驗管理者的思維是否可以跟上並接納改變的速度。