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。