近年人工智能 (AI) 技術蓬勃發展,幾乎任何跟人工智能扯上關係的公司都變得灸手可熱。究竟人工智能將如何應用於醫療領域?這場由人工智能掀起的浪潮又會對醫療領域產生什麽影響?
香港城市大學電腦科學系副教授陳漢偉博士表示,人工智能已有近70年歷史,非今時今日技術,過往香港醫療界亦有應用人工智能。「十多年前曾經協助醫院管理局利用人工智能設計流程,編排護士和病人助理的更表。由於護士擁有不同的專長,不同醫院、病房又有不同的要求,而且要盡量編更平均,避免不停追更,所以人手難以安排。」他補充:「人工智能亦可以編排醫生、病房、手術室分配,在資源有限的局限下,盡可能善用資源,幫助最多病人。」
他認爲,由於這幾年雲端計算發展成熟,硬件成本下降,造就深度學習 (Deep Learning)、大數據 (Big Data)、認知計算 (Cognitive Computing) 等等人工智能技術在新一波浪潮下再次蓄勢待發。
• • •
深度學習:數據是王道
陳漢偉表示,深度學習於醫療領域的應用廣泛,較常見包括醫學影像識別技術。「國内醫護人員供不應求,透過深度學習,醫學影像識別技術能夠節省人手識別的時間,同時減少人爲錯誤。」他補充:「雖然技術已經相當成熟,但是間中還是會出現假陽性 (false positive) 的情況,所以到最後仍需要醫護人員把關。」
近年内地有不少初創企業投資醫學影像識別技術,陳漢偉解釋,皆因深度學習比較容易開發。「現在不少深度學習技術其實已經開源 (open-source),所以開發深度學習的關鍵更在於能否取得足夠數據,若然沒有數據,何來學習?」
陳漢偉認爲,内地企業比外國公司具備一定優勢,因爲它們較容易跟内地醫療機構合作,從而取得更多本地數據。再者,一些病症於亞洲地區較爲普遍,這些都是外國公司難以取得的數據。「内地擁有13億人口的數據,可説是贏在起跑綫上。香港初創企業若要取得内地醫療數據,便需要跟内地醫院、診所合作。」
• • •
大數據:數據準確為關鍵
除了要取得足夠數據,大數據還講求歷史數據,以及企業是否能夠持續得到數據進行分析,所以,相對深度學習,陳漢偉認爲大數據開發成本較高。
陳漢偉指出,大數據其中一個重要應用就是透過分析歷史數據的趨勢,預測未來,「例如分析心臟病患者的風險因素、過往生活習慣,從而預測其他人罹患心臟病的機會。」
他認爲,電子健康紀錄無疑是推進大數據發展的催化劑,然而收集數據難免牽涉人爲錯誤,所以確保數據準確至為關鍵。他又寄望隨著將來穿戴式裝置變得更加普及,收集數據將會變得更加容易和準確。
• • •
認知計算:龐大的計算功能
談到認知計算,最爲人熟悉的例子非IBM Watson莫屬。據資料顯示,IBM Watson已經接受了超過300種以上高等級醫學期刊文獻、250本以上醫療書籍、1,500萬頁論文數據研究和MSKCC臨床實踐等數據的訓練,利用龐大計算功能,分析病人患上什麽病症,並為醫生建議治療方案。今年一月,醫學期刊《Annals of Oncology》便發表一項於印度馬尼帕爾綜合腫瘤中心進行的研究,結果顯示IBM Watson的建議與醫生的治療方案超過90%相若。
陳漢偉笑說,要他閲讀如此大量文獻和研究,相信活幾百世也不成,就算讀完後也忘記得一乾二净。
• • •
人工智能會否取代醫生?
看人工智能技術如此厲害,那麽它會否取代醫生?陳漢偉反問:「你會接受完全沒有醫生、單靠人工智能的診斷嗎?市民會接受嗎?」
陳漢偉强調,社會對人工智能技術的認受性是一大關鍵。此外,人工智能應用還牽涉道德議題,「以自動駕駛爲例,到底應該保障司機性命安全,選擇撞向人群,還是保障市民安全,置司機性命不顧?若然這自動駕駛選擇站在道德高地,保全大局,你又會否購買這輛車?」他又舉例,在醫療應用上,若然一個是無家可歸的露宿者,一個是國家總統,若在資源有限下只能救其一,人工智能又應該如何抉擇?
其次,是責任問題。若然人工智能出錯,到底責任誰屬?是人工智能技術的開發商,還是購買該技術的醫療機構?
陳漢偉表示,現時人工智能技術依然存在一定限制,模擬人腦學習的能力依然有限,例如無法模仿腦細胞生長、無法模仿人類睡覺時重組知識等等。他日待技術更加成熟,人工智能會否能夠取代醫生,還須拭目以待。
• • •
想了解更多醫療科技議題?快點關注我們的Facebook Page吧!